什么内容呢？？

第 1 章   动态数据预处理 ( 1 ) ……………………………………………………………………
1 . 1   平稳性检验 ( 1 ) …………………………………………………………………………
1 .2   正态性检验 ( 5 ) …………………………………………………………………………
1 .3   独立性检验 (1 1) …………………………………………………………………………
1 .4   周期性检验 (1 2) …………………………………………………………………………
1 .5   趋势项检验 (1 3) …………………………………………………………………………
1 .6   小结 (2 0) …………………………………………………………………………………
习题 (2 1) …………………………………………………………………………………………
第 2 章   时间序列模型 (2 4) ………………………………………………………………………
2 .1   线性平稳模型 (2 4) ………………………………………………………………………
2 .2   自回归模型( A R 模型) (2 9) ……………………………………………………………
2 .3   滑动平均模型( M A 模型) (3 6) …………………………………………………………
2 .4   自回归-滑动平均混合模型( A R M A 模型) (3 9) ………………………………………
2 .5   时间序列模型的特征函数 (4 3) …………………………………………………………
2.5 .1   偏相关函数 (4 3) ……………………………………………………………………
2.5 .2   格林函数( G 函数) (4 6) ……………………………………………………………
2.5 .3   逆函数(I 函数) (4 8) ………………………………………………………………
2 .6   非平稳的时间序列模型 (4 9) ……………………………………………………………
2.6 .1   A RI M A 模型 (4 9) …………………………………………………………………
2.6 .2   I M A 模型 (5 4) ……………………………………………………………………
2 .7   小结 (5 7) …………………………………………………………………………………
习题 (5 8) …………………………………………………………………………………………
第 3 章   模型参数估计 (6 0) ………………………………………………………………………
3 .1   样本参数估计 (6 0) ………………………………………………………………………
3.1 .1   样本均值 (6 0) ………………………………………………………………………
3.1 .2   样本方差 (6 1) ………………………………………………………………………
3.1 .3   样本自相关 (6 3) ……………………………………………………………………
3.1 .4   样本功率谱 (6 4) ……………………………………………………………………
3 .2   模型参数的相关矩估计 (6 6) ……………………………………………………………
3.2 .1   A R 模型参数的矩估计 (6 7) …………………………………………………………
3.2 .2   M A 模型参数的矩估计 (7 3) …………………………………………………………
· Ⅰ ·
3.2 .3   A R M A 模型参数的矩估计 (7 6) ……………………………………………………
3 .3   最小二乘估计( L S 估计 ) (7 8) ……………………………………………………………
3.3 .1   最小二乘方法 (7 8) …………………………………………………………………
3.3 .2   A R 模型参数的 L S 估计 (8 0) ………………………………………………………
3.3 .3   A R M A 模型参数的 L S 估计 (8 1) ……………………………………………………
3 .4   最小方差估计( L M S 估计) (8 4) …………………………………………………………
3.4 .1   最小方差方法 (8 4) …………………………………………………………………
3.4 .2   模型参数的 L M S 估计 (8 5) …………………………………………………………
3 .5   最大似然估计( M L 估计) (8 7) …………………………………………………………
3.5 .1   最大似然方法 (8 7) …………………………………………………………………
3.5 .2   模型参数的 M L 估计 (8 8) …………………………………………………………
3 .6   最大熵估计 (9 0) …………………………………………………………………………
3.6 .1   最大熵准则 (9 0) ……………………………………………………………………
3.6 .2   A R 模型参数的最大熵估计 (9 2) ……………………………………………………
3 .7   小结 (9 3) …………………………………………………………………………………
习题 (9 4) …………………………………………………………………………………………
第 4 章   模型定阶方法 (9 7) ………………………………………………………………………
4 .1   偏相关定阶法 (9 7) ………………………………………………………………………
4 .2   白度检验定阶法 ( 10 2) ……………………………………………………………………
4.2 .1   自相关检验法 ( 10 2) ………………………………………………………………
4.2 .2   卡埃检验法 ( 10 2) …………………………………………………………………
4 .3   F 检验定阶法 ( 10 5) ………………………………………………………………………
4 .4   准则函数定阶法 ( 11 2) ……………………………………………………………………
4.4 .1   最小预报误差准则( F P E 准则) ( 11 2) ………………………………………………
4.4 .2   最小信息准则( A IC 准则) ( 11 4) ……………………………………………………
4.4 .3   B IC 准则 ( 11 5) ……………………………………………………………………
4 .5   信息熵定阶法 ( 11 7) ………………………………………………………………………
4 .6   小结 ( 12 0) …………………………………………………………………………………
习题 ( 12 1) ………………………………………………………………………………………
第 5 章   时间序列建模 ( 12 3) ………………………………………………………………………
5 .1   模型识别 ( 12 3) ……………………………………………………………………………
5.1 .1   平稳性数据的模型识别 ( 12 3) ………………………………………………………
5.1 .2   季节性数据的模型识别 ( 12 5) ………………………………………………………
5.1 .3   趋势性数据的模型识别 ( 12 8) ………………………………………………………
5.1 .4   异常数据的模型识别 ( 13 0) …………………………………………………………
5 .2   波克斯 - 詹金斯建模方法 ( 13 2) …………………………………………………………
· Ⅱ ·
5 .3   潘迪特 - 吴贤铭建模方法 ( 13 7) …………………………………………………………
5 .4   长自回归、 白噪化建模方法 ( 14 4) ………………………………………………………
5 .5   小结 ( 14 6) …………………………………………………………………………………
习题 ( 14 7) ………………………………………………………………………………………
第 6 章   时间序列应用 ( 14 9) ………………………………………………………………………
6 .1   时间序列预测模型 ( 14 9) …………………………………………………………………
6 .2   模型谱估计 ( 15 6) …………………………………………………………………………
6 .3   自适应滤波算法 ( 16 8) ……………………………………………………………………
6 .4   小结 ( 17 4) …………………………………………………………………………………
习题 ( 17 5) ………………………………………………………………………………………
参考文献 ( 17 6) ………………………………………………………………………………