ARMA 模型的干扰分析就是对平稳时间序列的均值变化进行显著性检验。先以 AR(1) 过程为例

7.1 概述 7.2 时间序列的自相关分析 7.3 单位根检验和协整检验 7.4 ARMA模型的建模

一、长期均衡与协整分析 二、协整检验 三、误差修正模型

 时间序列的分解  确定性因素分解  趋势分析  季节效应分析  综合分析  X－11过程

 方法性工具  差分运算  延迟算子  线性差分方程  ARMA模型  AR模型（Auto Regression Model）  MA模型（Moving Average Model）  ARMA模型（Auto Regression Moving Average model）  平稳序列建模  序列预测  建模步骤  模型识别  参数估计  模型检验  模型优化  序列预测

第一节离散时间系统 第二节离散时间信号序列 第三节Z正变换 第四节Z反变换 第五节Z变换的性质 第六节Z变换与拉普拉斯变换的关系 第七节离散信号的Z变换

一、单位根过程 1、平稳过程与非平稳过程的差异 平稳时间序列具有如下特性： 具有常定均值，序列围绕在长期均值周围波动；

一、 ρs与φSS的估计 设 Y1，Y2，…，YN是序列｛Yt｝的一段观测资料，N 为样本长 度

绪论 统计与统计学 统计学的分科 统计学与其它学科关系 统计数据的搜集 数据的计量与类型 统计数据的来源 调查方案设计 统计数据的质量 统计数据整理和显示 数据的预处理 品质数据的整理与显示 数值型数据整理与显示 统计表 数据分布特征的测度 集中趋势的测度 离散和程度的测度 偏态和峰度的测度 时间序列分析 时间序列的对比分析 长期趋势分析 指数 指数编制的基本问题 加权指数 指数体系

在已进行的齿轮点蚀疲劳寿命预测计算模型的研究基础上,应用随机时间序列分析技术分析处理计算模型中随时间变化的因素,从理论上解决了齿轮寿命预测中的难点,建立了齿轮点蚀疲劳寿命预测的方法系统