针对G-P算法及其改进算法的不足,提出了一种新的改进算法.应用该算法不仅能简化无标度区的确定过程,而且能客观地判断系统的关联维数是否饱和,从而对随机信号和混沌信号加以识别.对新的G-P改进算法进一步分析表明:新的G-P改进算法适用范围广泛,对于混沌信号的识别很有效

第一节 时间序列基本概念 伪回归问题 随机过程的概念 时间序列的平稳性 第二节 时间序列平稳性的单位根检验 单位根检验 Dickey－Fuller检验 Augmented Dickey－Fuller检验 第三节 协整 协整的概念 协整检验 误差修正模型 第四节 案例分析

1. 周期信号 2. 数字信号波形的频谱 3. 频谱分析仪 4. 非周期信号的表示 5. 随机信号（数据）的表示

第一章 数据处理 第二章 概率的基本知识 第三章 随机变量及其概率分布 第四章 统计推断 第五章 方差分析 第六章 回归与相关

直觉概率分析：三门问题 直觉的形式化：概率空间 条件概率与贝叶斯定理 随机变量及其期望与方差

• 分析化学的任务和作用 • 分析化学的内容 • 分析化学发展简史 • 分析化学的发展趋势 • 误差的基本概念 • 随机误差的正态分布 • 有限测定数据的统计处理 • 提高分析结果准确度的方法 • 有效数字及其运算规则

§2.1 回归分析概述 (Regression Analysis) 一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数 §2.2 一元线性回归模型的基本假设 (Assumptions of Simple Linear Regression Model) 一、关于模型设定的假设 二、关于解释变量的假设 三、关于随机项的假设 §2.3 一元线性回归模型的参数估计 (Estimation of Simple Linear 一、参数的普通最小二乘估计（OLS） 二、参数估计的最大或然法(ML) 三、最小二乘估计量的性质 四、参数估计量的概率分布及随机干扰项方差的估计 §2.4 一元线性回归模型的统计检验 Statistical Test of Simple Linear Regression Model 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.5 一元线性回归分析的应用——预测问题 一、预测值条件均值或个值的一个无偏估计 二、总体条件均值与个值预测值的置信区间 §2.6 实例及时间序列问题

一、变量间的关系及回归分析的基本概念 二、总体回归函数（PRF） 三、随机扰动项 四、样本回归函数（SRF）

第1章 时间序列分析简介 第2章 时间序列的预处理 第3章 平稳时间序列分析 第4章 非平稳序列的确定性分析 第5章 非平稳序列的随机分析 第6章 多元时间序列分折

第一节试验设计原理 第二节随机数据的简单处理 第三节总体及其样本 第四节抽样分布