EViews提供序列的各种统计图、统计方法及过程。当用前 面描述的方法向工作文件中读入数据后,就可以对这些数据进 行统计分析和图表分析。 EViews可以计算一个序列的各种统计量并可用表单、表、 图等形式将其表现出来。视图包括最简单的曲线图一直到核密 度估计。通过过程可以用原有的序列创建新的序列。这些过程 包括季节调整、指数平滑和 Hodrick-Prescott-滤波 在第10章我们将讲述包括多个序列的组和组对象的统计方 法及过程

在深入研究APT-2神经网络结构的基础上,提出了一种基于神经网络的自适应故障模式分类方法,并应用在轴承故障诊断中,结果表明:该方法对轴承故障模式具有自学习、快速稳定的识别能力

EViews中信息保存在对象中,每个对象中包含特定类别 的信息。每个对象都有给定的类型,例如,一个序列对象是关 于一个随机变量的观测值,一个方程对象是关于一些变量之间 关系的信息。 一个对象中包含的信息不止一种,例如一个方程对象中包 含了所有估计得到的结果的信息,如方程形式、检验结果及残 差等。所有需要的数据及结果都集中在一个对象中,简化了 EViews中信息组织管理工作

讨论了同时具有输入时滞与状态时滞的不确定线性系统的时滞相关鲁棒镇定问题.运用矩阵分解思想和Lyapunov-Karsovskii泛函方法,在处理V的导数时添加一个恰当的0项,引入自由权矩阵,基于LMI方法获得了系统经无记忆状态反馈后可鲁棒镇定的时滞相关充分条件,同时获得了具体的控制器设计方法.数值例子说明所得结论具有较小的保守性

一、为什么学习泊松方程 二、热流,势能流,静电学 三、提升许多求解偏微分方程问题的能力 四、基本数值技术 五、基函数(FEM)和有限差分法 六、积分方程法

调查所得的原始资料经过审核整理与汇 总后还需要进行系统的统计分析才能解释除 掉查资料所包含的众多信息,才能得出调查的 结论因而统计分析是现代社会调查方法中十 分重要的一部分. 统计分析方法的内容可以根据变量的多 少划分为单变量分析双变量分析和多变量分 析前两者可称为初等统计后者可称为高等统 计我们只对初等统计进行简单的介绍

EViews中的大多数统计工具都是用来建立随机变量的条件均值模 型。本章讨论的重要工具具有与以往不同的目的建立变量的条件 方差或变量波动性模型。 我们想要建模并预测其变动性通常有如下几个原因:首先,我们 可能要分析持有某项资产的风险;其次,预测置信区间可能是时变性 的,所以可以通过建立残差方差模型得到更精确的区间;第三,如果 误差的异方差是能适当控制的,我们就能得到更有效的估计

本章描述了对一个单方程进行预测或计算拟合值的过程 。这里描述的技术是利用通过回归方法估计得到的方程来进 行预测

讨论构建多自然语言互译机译系统所需的高质量、可扩充、完备的、无可弃、无重复、无非正常歧义的多语统一语义单元知识库.在构建过程中采用类型特征分类方法有效降低计算复杂性,使去重复的计算量降低一半,去可弃的计算量降到O(βN)(N是语义单元库规模,β是有界数,β