| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 Introduction | 第10-36页 |
| 1.1 Background | 第10页 |
| 1.2 A Model Building Strategy | 第10-11页 |
| 1.3 Time Series Plots In History | 第11-12页 |
| 1.4 Data Occur Naturally In Many Application Areas | 第12页 |
| 1.5 Components Of A Time Series | 第12-13页 |
| 1.6 Types of Time Series Data | 第13页 |
| 1.7 Goals Of Time Series Analysis | 第13-14页 |
| 1.8 Time Series Analysis | 第14-17页 |
| 1.9 Intervention Analysis | 第17-26页 |
| 1.9.1 The Model Intervention Analysis | 第22-26页 |
| 1.10 Fundamental Concepts | 第26-36页 |
| 1.10.1 Time Series And Stochastic Processes | 第26-27页 |
| 1.10.2 Means,Variances And Covariances | 第27-28页 |
| 1.10.3 The Random Walk | 第28-30页 |
| 1.10.4 A Moving Average | 第30页 |
| 1.10.5 Stationary | 第30-32页 |
| 1.10.6 White Noise | 第32页 |
| 1.10.7 Appendix:Expectation,Variance,Covariance And Correlation | 第32-34页 |
| 1.10.8 Properties Of Covariance | 第34页 |
| 1.10.9 Properties Of Correlation | 第34-35页 |
| 1.10.10 The Sample Autocorrelation Function | 第35-36页 |
| 2 The General Auto Regressive Integrated Moving Average Process | 第36-60页 |
| 2.1 Time Series Analysis Using ARIMA Methods | 第36-37页 |
| 2.2 The General Autoregressive Process AR(p) | 第37-41页 |
| 2.2.1 The Autocorrelation Function | 第38-39页 |
| 2.2.2 The Variance For The AR(P)Model | 第39页 |
| 2.2.3 Identifying An AR(p)Process | 第39-41页 |
| 2.3 The General M A(q)Process | 第41-44页 |
| 2.3.1 The Variance For The M A(q)Model | 第42页 |
| 2.3.2 The Autocorrelation Function | 第42-44页 |
| 2.3.3 Identifying An M A(q)Process | 第44页 |
| 2.4 Define The Mixed Autoregressive Moving Average | 第44-51页 |
| 2.4.1 The General Mixed Autoregressive Moving Average Model | 第45页 |
| 2.4.2 The Autocorrelation Function For ARM A(p,q) | 第45-49页 |
| 2.4.3 Identifying An ARM A(p,q)Process | 第49-51页 |
| 2.5 Integrated Autoregressive Moving Average ARI M A(p,d,q) | 第51-60页 |
| 2.5.1 The I M A(1,1)Model | 第55-56页 |
| 2.5.2 The I M A(2,2)Model | 第56-57页 |
| 2.5.3 The ARI(1,1)Model | 第57-58页 |
| 2.5.4 Constant Terms in ARI M A Models | 第58-60页 |
| 3 Parameter Estimation For ARI M A(p,d,q)Model | 第60-72页 |
| 3.1 Parameter Estimation | 第60-62页 |
| 3.2 Parameter Estimation Of The General A R(p)Model | 第62-65页 |
| 3.3 Parameter Estimation of The General M A(q)Process | 第65-66页 |
| 3.4 Parameter Estimation Of The Mixed Autoregressive Moving Average Model: ARM A(p,q) | 第66-69页 |
| 3.5 Parameter eter Estimation of The Integrated Autoregressive Moving Av-erage ARI M A(p,d,q)Models | 第69-72页 |
| 4 Box-Jenkins Methodology And Application Time Series Analysis Using ARI M A(p,d,q)In software Minitab | 第72-100页 |
| 4.1 Box-Jenkins Approach | 第72页 |
| 4.2 Residual Diagnostic | 第72-74页 |
| 4.3 Plots Of The Residuals | 第74页 |
| 4.4 Normality Of The Residual | 第74-75页 |
| 4.5 Autocorrelation Of The Residuals | 第75页 |
| 4.6 The Ljung-Box Test | 第75-78页 |
| 4.7 Forecasting | 第78-79页 |
| 4.8 Application Time Series Analysis By Using Software Minitab | 第79-82页 |
| 4.9 Results Analysis | 第82-100页 |
| 4.9.1 Check Stationary Time Series | 第82-86页 |
| 4.9.2 Fitting Model Which Representation Second Difference(diff2) Series | 第86页 |
| 4.9.3 The Identificaton Of ARI M A Model | 第86页 |
| 4.9.4 Parameters Estimating | 第86页 |
| 4.9.5 Parameters Estimating For I M A(2,1)Model | 第86-88页 |
| 4.9.6 Parameters Estimating For ARI(1,2)Model | 第88-89页 |
| 4.9.7 Parameters Estimating For ARI(2,2)Model | 第89-91页 |
| 4.9.8 Parameters Estimating For ARI M A(1,2,1)Model | 第91-92页 |
| 4.9.9 Parameters Estimating For ARI M A(2,2,1)Model | 第92-96页 |
| 4.9.10 Diagnostic Checking Performed to Obtain the Best Fitted Model | 第96-97页 |
| 4.9.11 The Forecasting in the Future to Using Integrated Autoregres-sive Moving Average ARI M A(2,2,1)Models | 第97-100页 |
| 5 Conclusions | 第100-101页 |
| REFERENCES | 第101-105页 |
| ACKNOWLEDGMENT | 第105页 |
