| 中文摘要 | 第1-8页 |
| 英文摘要 | 第8-10页 |
| 一、前言 | 第10-14页 |
| 二、国内外研究现状 | 第14-28页 |
| ·时间序列分析模型 | 第14-16页 |
| ·时间序列的预测研究 | 第16-21页 |
| ·时间序列的季节性(周期性)考虑 | 第21-23页 |
| ·时间序列的谱分析方法 | 第23-25页 |
| ·组合预测方法及其应用 | 第25-28页 |
| ·变权重方法 | 第25-26页 |
| ·权重的范围 | 第26页 |
| ·权重的最优问题 | 第26-27页 |
| ·预测精度的求取问题 | 第27-28页 |
| 三、ARIMA模型及其在医院卫生消耗材料需求量预测中的应用 | 第28-43页 |
| ·预测方法与预测模型 | 第28-29页 |
| ·ARIMA模型 | 第29-34页 |
| ·模型识别 | 第30页 |
| ·参数估计和诊断检验 | 第30-33页 |
| ·预测 | 第33-34页 |
| ·预测实例 | 第34-35页 |
| ·小结 | 第35-43页 |
| ·预报误差及预报置信区间 | 第36-37页 |
| ·基于劳斯一胡维茨判据的平稳性与可逆性检验 | 第37-40页 |
| ·预测误差的相关性 | 第40-42页 |
| ·利用提示序列改善预报精度 | 第42-43页 |
| 四、逆自相关函数及其在ARMA模型识别中的作用 | 第43-50页 |
| ·基本概念 | 第43-44页 |
| ·逆自相关函数的特征 | 第44-46页 |
| ·AR(p)与MA(q)模型中的ri(k) | 第44-45页 |
| ·ri(k)与r(k)在ARMA模型参数粗估计时的作用 | 第45页 |
| ·疏系数模型中的ri(k) | 第45-46页 |
| ·逆自相关函数的估计 | 第46页 |
| ·举例 | 第46-48页 |
| ·小结 | 第48-50页 |
| 五、含缺失值时间序列的ARMA模型拟合 | 第50-59页 |
| ·问题的提出 | 第50页 |
| ·基本原理 | 第50-55页 |
| ·ARMA时序的状态空间表达 | 第50-52页 |
| ·似然函数的估计 | 第52-54页 |
| ·初始状态协方差阵 | 第54页 |
| ·缺失值存在时的参数估计与缺失值估计 | 第54-55页 |
| ·实例分析 | 第55-57页 |
| ·小结 | 第57-59页 |
| 六、谱分析方法在医学时间序列分析中的应用 | 第59-89页 |
| ·时间序列的谱分析 | 第59-64页 |
| ·时域分析与频域分析 | 第59-61页 |
| ·白噪声及其应用 | 第61-63页 |
| ·医学时间序列的时域、频域研究 | 第63-64页 |
| ·谱分析及其在门诊量统计分析中的应用 | 第64-74页 |
| ·时域变量到频域空间的转换 | 第65-66页 |
| ·功率谱密度函数及谱估计 | 第66-68页 |
| ·实例分析 | 第68-73页 |
| ·小结 | 第73-74页 |
| ·医学时间序列中隐周期的识别 | 第74-89页 |
| ·含周期分量时间序列的数学模型 | 第74-76页 |
| ·周期图的定义及其直观意义 | 第76-77页 |
| ·周期图的样本统计特性 | 第77-79页 |
| ·周期图的峰值检验 | 第79-81页 |
| ·实例分析 | 第81-85页 |
| ·关于谱峰分裂 | 第85-86页 |
| ·功率谱的窗谱估计 | 第86-89页 |
| 七、医学时间序列中混沌现象的初步研究 | 第89-106页 |
| ·混沌现象及其特征描述 | 第89-97页 |
| ·混沌的非随机性 | 第89-90页 |
| ·几个重要概念 | 第90-94页 |
| ·混沌的核心 | 第94-96页 |
| ·蝴蝶效应 | 第96页 |
| ·混沌的主要特征 | 第96-97页 |
| ·混沌的研究与实践 | 第97-106页 |
| ·混沌研究的历史回顾 | 第97-98页 |
| ·混沌研究的方法特点 | 第98-99页 |
| ·医学时间序列中的混沌 | 第99-106页 |
| 八、结语 | 第106-111页 |
| ·本研究的主要特色 | 第107-108页 |
| ·本研究取得的主要研究结果 | 第108-110页 |
| ·尚待进一步研究的问题 | 第110-111页 |
| 九、致谢 | 第111-112页 |
| 十、附录 | 第112-120页 |
| 十一、参考文献 | 第120-125页 |