一、时间序列模型概述 二、随机时间序列模型的平稳性条件 三、随机时间序列模型的识别 四、随机时间序列模型的估计 五、随机时间序列模型的检验

§4.1 异方差性 Heteroscedasticity 一、异方差的概念 二、异方差性的后果 三、异方差性的检验 四、异方差的修正 五、例题 §4.2 序列相关性 Serial Correlation 一、序列相关性的概念 二、序列相关性的后果 三、序列相关性的检验 四、具有序列相关性模型的估计 §4.2 序列相关性

• 线性回归 • 逻辑斯蒂回归 • 最大熵模型 • 极大似然估计 • 模型学习浅谈 • 最大熵总结 • 最大熵应用举例（略） • 最大熵源码分析（略） • 最大熵包使用（略）

一、序列相关性概念 二、实际经济问题中的序列相关性 三、序列相关性的后果 四、序列相关性的检验 五、具有序列相关性模型的估计 六、案例

昆虫纲是动物界中最大的纲,估计近100~300 万种以上,已知种类只有约15万,种类尚待认识。 我国昆虫种类极为丰富,记载的仅有3万余种 。迅速查清我国昆虫的区系和发掘其资源,是 我国昆虫学当前迫切的重大任务之一。 许多害虫和益虫要认识,尤其是近似种类或易 混淆的种类要区别

在多元统计分析中,多元正态分布占有相当重要的地位。这是因为,许多随机向量服从正态分布, 或近似服从正态分布,而且目前对于多元正态分布已有一整套统计推断方法,并且得到了许多满意的结果。下面介绍多元正态总休参数的统计推断问题

德国的形势 德国的人口稠密地区全部实行污水集中排放 1998年,污水的年排放量大约为96亿立方米,其中家庭和工商业污 水大约为49亿立方米。 H 排入下水道系统的外来水估计为20亿立方米左右。 99.5%的污水被公共污水处理厂处理,只有0.5%的污水由工业设备 处理

1、参数OLS估计的方差增大 2、t检验失效,不能拒绝H0的可能僧大常常犯纳伪错误 3、降低预测

为了研究线性方程组近似解的误差估计 和迭代法的收敛性,我们需要对R(n维 向量空间)中的向量或R∞中矩阵的“大 小”引入一种度量,—一向量和矩阵的范 数

由定义可见,我们是以最大风险的大小作为衡量 决策函数好坏的准则。因此,使最大风险达到最小的 决策函数是考虑到最不利的情况,要求最不利的情况 尽可能地好。也就是人们常说的从最坏处着想,争取 最好的结果。它是一种出于稳妥的考虑,也是一种偏 于保守的考虑