验方法和近似检验方法)，R软件模型检验和参数显著性检验实操及其结 果分析。 第五节 1.主要内容：模型优化 2.基本概念和知识点 模型优化的提出及意义，模型优化准则：AIC准则和BIC准则，R软件 模型优化实操。 课程思政融入只要体现：对同一现实生活中的时序数据建棋，从原始数 据获取，数据分析到建立不同的模型，并对模型进行优化，培养学生实 事求是，精益求精的工匠精神 第六节 1.主要内容：序列预测 2.基本概念和知识点 线性预测函数，预测方差最小原则，线性最小方差预测的性质，条件五 篇最小方差估计值，AR(p)序列预测，MA(q)序列预测，ARMA(p,q)序列 预测，R软件序列预测的函数调用。 (三)思考与实践 思考平稳时间序列的建模方法和步骤，以及思考如何寻找最优的拟合模 型。结合实际思考预测结果的现实意义。 (四)教学方法与手段 课堂讲授、多媒体教学与上机实验 第五章无季节效应的非平稳序列分析 (一)目的与要求 1.了解Cramer分解定理 2.了解差分运算的实质，掌握差分方式的选择，理解过差分问题。 2.熟练掌握ARIMA模型的结构，理解ARMA模型的性质 3.熟练掌握ARIMA模型建模的具体步聚。 4.利用ARIMA模型进行预测，掌握疏系数模型处理方法。 5.掌握时间序列的预侧，理解修正预测。 (二)教学内容 第·节 L.主要内容：Crammer分解定理及差分平稳 2.基本概念和知识点 Cramer分解定理，差分运算的实质，差分方式的选择，序列蕴含显 7 验方法和近似检验方法），R 软件模型检验和参数显著性检验实操及其结 果分析。 第五节 1. 主要内容：模型优化 2. 基本概念和知识点 模型优化的提出及意义，模型优化准则：AIC 准则和 BIC 准则，R 软件 模型优化实操。 课程思政融入只要体现：对同一现实生活中的时序数据建模，从原始数 据获取，数据分析到建立不同的模型，并对模型进行优化，培养学生实 事求是，精益求精的工匠精神。 第六节 1. 主要内容：序列预测 2. 基本概念和知识点 线性预测函数，预测方差最小原则，线性最小方差预测的性质，条件五 篇最小方差估计值，AR(p)序列预测，MA(q)序列预测，ARMA(p,q)序列 预测，R 软件序列预测的函数调用。 （三）思考与实践 思考平稳时间序列的建模方法和步骤，以及思考如何寻找最优的拟合模 型。结合实际思考预测结果的现实意义。 （四）教学方法与手段 课堂讲授、多媒体教学与上机实验 第五章 无季节效应的非平稳序列分析 （一）目的与要求 1．了解 Cramer 分解定理。 2. 了解差分运算的实质，掌握差分方式的选择，理解过差分问题。 2. 熟练掌握 ARIMA 模型的结构，理解 ARMA 模型的性质。 3. 熟练掌握 ARIMA 模型建模的具体步骤。 4. 利用 ARIMA 模型进行预测，掌握疏系数模型处理方法。 5. 掌握时间序列的预测，理解修正预测。 （二）教学内容 第一节 1. 主要内容：Crammer 分解定理及差分平稳 2. 基本概念和知识点 Cramer 分解定理，差分运算的实质，差分方式的选择，序列蕴含显