一、前言
二、国内外研究现状
2.1时间序列分析模型
2.2时间序列的预测研究
2.3时间序列的季节性(周期性)考虑
2.4时间序列的谱分析方法
2.5组合预测方法及其应用
2.5.1变权重方法
2.5.2权重的范围
2.5.3权重的最优问题
2.5.4预测精度的求取问题
三、ARIMA模型及其在医院卫生消耗材料需求量预测中的应用
3.1预测方法与预测模型
3.2 ARIMA模型
3.2.1模型识别
3.2.2参数估计和诊断检验
3.2.3预测
3.3预测实例
3.4小结
3.4.1预报误差及预报置信区间
3.4.2基于劳斯—胡维茨判据的平稳性与可逆性检验
3.4.3预测误差的相关性
3.4.4利用提示序列改善预报精度
四、逆自相关函数及其在ARMA模型识别中的作用
4.1基本概念
4.2逆自相关函数的特征
4.2.1 AR(p)与MA(q)模型中的ri(k)
4.2.2 r i(k)与r(k)在ARMA模型参数粗估计时的作用
4.2.3疏系数模型中的r i(k)
4.3逆自相关函数的估计
4.4举例
4.5小结
五、含缺失值时间序列的ARMA模型拟合
5.1问题的提出
5.2基本原理
5.2.1 ARMA时序的状态空间表达
5.2.2似然函数的估计
5.2.3初始状态协方差阵
5.2.4缺失值存在时的参数估计与缺失值估计
5.3实例分析
5.4小结
六、谱分析方法在医学时间序列分析中的应用
6.1时间序列的谱分析
6.1.1时域分析与频域分析
6.1.2白噪声及其应用
6.1.3医学时间序列的时域、频域研究
6.2谱分析及其在门诊量统计分析中的应用
6.2.1时域变量到频域空间的转换
6.2.2功率谱密度函数及谱估计
6.2.3实例分析
6.2.4小结
6.3医学时间序列中隐周期的识别
6.3.1含周期分量时间序列的数学模型
6.3.2周期图的定义及其直观意义
6.3.3周期图的样本统计特性
6.3.4周期图的峰值检验
6.3.5实例分析
6.3.6关于谱峰分裂
6.3.7功率谱的窗谱估计
七、医学时间序列中混沌现象的初步研究
7.1混沌现象及其特征描述
7.1.1混沌的非随机性
7.1.2几个重要概念
7.1.3混沌的核心
7.1.4蝴蝶效应
7.1.5混沌的主要特征
7.2混沌的研究与实践
7.2.1混沌研究的历史回顾
7.2.2混沌研究的方法特点
7.2.3医学时间序列中的混沌
八、结语
8.1本研究的主要特色
8.2本研究取得的主要研究结果
8.3尚待进一步研究的问题
九、致谢
十、附录
十一、参考文献
