注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 数字信号处理c语言程序集

  2. 目录 1.1均匀分布的随机数 第一章 数字信号的产生 1.2正态分布的随机数 1.3指数分布的随机数 1.4拉普拉斯（Laplace）分布的随机数 1.5瑞利（Rayleigh）分布的随机数 1.6对数正态分布的随机数 第一篇 常用数字信号的产生 1.7柯西（Cauchy）分布的随机数 1.8韦伯（Weibull）分布的随机数 1.9爱尔朗（Erlang）分布的随机数 1.10贝努里（Bernoulli）分布的随机数 1.11贝努里—高斯分布的随机数 1.12二项式分布的随机数 1.13泊 松

  3. 所属分类：其它

    • 发布日期：2009-07-03
    • 文件大小：9437184
    • 提供者：tianzhu131

  1. Matlab高阶谱估计工具箱

  2. %ARMAQS Estimates ARMA parameters via the q-slice algorithm. % [avec, bvec] = armaqs(y,p,q, norder,maxlag,samp_seg,overlap,flag) % y : time-series (vector or matrix) % p : AR order % q : MA order % norder: cumulant order: 3 or 4 [def ault = 3 ] % ma

  3. 所属分类：硬件开发

    • 发布日期：2009-10-10
    • 文件大小：99328
    • 提供者：lgjsx

  1. 数字信号处理c语言程序集

  2. 数字信号处理c语言程序集 数字信号处理常用算法C语言程序 1.1均匀分布的随机数 第一章 数字信号的产生 1.2正态分布的随机数 1.3指数分布的随机数 1.4拉普拉斯（Laplace）分布的随机数 1.5瑞利（Rayleigh）分布的随机数 1.6对数正态分布的随机数 第一篇 常用数字信号的产生 1.7柯西（Cauchy）分布的随机数 1.8韦伯（Weibull）分布的随机数 1.9爱尔朗（Erlang）分布的随机数 1.10贝努里（Bernoulli）分布的随机数 1.11贝努里—高斯分布

  3. 所属分类：C++

    • 发布日期：2013-03-01
    • 文件大小：9437184
    • 提供者：haigenwong

  1. Analysis of Integrated and Cointegrated Time Series with R

  2. 用纯粹R语言做协整的书，感觉不错。 Part I Theoretical Concepts 1 Univariate Analysis of Stationary Time Series............. 3 1.1 CharacteristicsofTime Series............................. 3 1.2 AR(p ) Time SeriesProcess ............................... 6 1.3 MA(q ) T

  3. 所属分类：金融

    • 发布日期：2013-05-04
    • 文件大小：1048576
    • 提供者：mathutopia

  1. 应用随机过程（分析随机过程）

  2. 随机过程 分析随机现象 2）平稳时间序列的线性随机模型的三种重要形式 { at }为白噪声。这三种形式可以描述如下： A：AR（p）自回归模型 ωt-φ1ωt-1-φ2ωt-2-…-φpωt-p=at AR（p）模型有p＋2参数刻画; B: MA(q)滑动平均模型 ωt = at –θ1at-1 –θ2at-2 -…-θqat-q MA(q)模型有q＋2参数刻画; C: ARMA(p,q)混和模型

  3. 所属分类：硬件开发

    • 发布日期：2008-09-26
    • 文件大小：14680064
    • 提供者：sanguozaixing

  1. Robust Statistics

  2. 1 Introduction 1 1.1 Classical and robust approaches to statistics 1 1.2 Mean and standard deviation 2 1.3 The “three-sigma edit” rule 5 1.4 Linear regression 7 1.4.1 Straight-line regression 7 1.4.2 Multiple linear regression 9 1.5 Correlation coef

  3. 所属分类：硬件开发

    • 发布日期：2009-03-28
    • 文件大小：4194304
    • 提供者：discipile

  1. 时间序列分析及应用：R语言（原书第2版）

  2. 译者序 前言 第1章 引论 1.1 时间序列举例 1.2 建模策略 1.3 历史上的时间序列图 1.4 本书概述 习题 第2章 基本概念 2.1 时间序列与随机过程 2.2 均值、方差和协方差 2.3 平稳性 2.4 小结 习题 附录A 期望、方差、协方差和相关系数 第3章 趋势 3.1 确定性趋势与随机趋势 3.2 常数均值的估计 3.3 回归方法 3.4 回归估计的可靠性和有效性 3.5 回归结果的解释 3.6 残差分析 3.7 小结 习题 第4章 乎稳时间序列模型 4.1 一般线性过程

  3. 所属分类：专业指导

    • 发布日期：2018-04-08
    • 文件大小：33554432
    • 提供者：huanbia

  1. Arima 模型 外文文献

  2. We show that a stationary ARMA(p, q) process {Xn, n = 0, 1, 2, •••} whose moving-average polynomial has a root on the unit circle cannot be embedded in any continuous-time autoregressive moving-average (ARMA) process {7(t), t ^ 0}, i.e. we show that

  3. 所属分类：算法与数据结构

    • 发布日期：2018-05-04
    • 文件大小：17408
    • 提供者：weixin_42135676

  1. 现代信号实验（ZY终）

  2. 现代信号处理的实验。ARMA谱估计：基本要求：将系统视为灰箱（可以利用方程的结构信息，p=3, q=2），根据系统的输入输出关系确定当e(n)为N(0,1)白噪声时输出功率谱密度的有理分式表达式。

  3. 所属分类：讲义

    • 发布日期：2018-06-20
    • 文件大小：555008
    • 提供者：qq_33184800

  1. 基于新陈代谢GM(1,1)-ARMA(p,q)模型的江苏省地区生产总值预测

  2. 基于新陈代谢GM(1,1)-ARMA(p,q)模型的江苏省地区生产总值预测，陶利，陈亦涛，本文结合新陈代谢GM(1,1)模型以及ARMA(p,q)模型的优点，用新陈代谢GM(1,1)模型提取序列中的趋势项，其余部分进行ARMA(p,q)分析，建立了新陈�

  3. 所属分类：其它

    • 发布日期：2020-01-16
    • 文件大小：705536
    • 提供者：weixin_38752074

  1. 威强 LOVU系列平板电脑产品手册.pdf

  2. 威强 LOVU系列平板电脑产品手册pdf,威强 LOVU系列平板电脑产品手册lOVU RISC-based Pane/ PC www.ieiworld.com.cn 软件支持 sDK(软件开发工具) ·有关 Software Development Kit(SDK)软件开发工具包支持 eMbedded visual c++执行 Windows⑧CE应用 ·内置 NET Compact Framework支持相关SDK LinUX · Thin client技术、 Microsoft RDP( R

  3. 所属分类：其它

    • 发布日期：2019-10-14
    • 文件大小：2097152
    • 提供者：weixin_38744153

  1. 基于小波分析与GM(1,1)-ARMA(p,q)组合的矿井防尘用水量预测

  2. 为了提高矿井防尘用水量预测的精确度,提出了基于小波分析理论与灰色预测模型(GM(1,1))、自回归滑动平均模型(ARMA(p,q))组合的预测模型。运用小波分析将用水量时间序列做不同尺度分解,并将低频信号和高频信号采用GM(1,1)和ARMA(p,q)进行预测,最终经小波重构得到预测结果。以林南仓矿为研究背景,使用该组合模型预测2014年各月份的用水量,通过与实际数据对比,残差检验相对误差不超过2.5%。结果表明:矿井防尘用水量在总体上逐年缓慢增加,每年内呈周期性的变化;基于小波分析与GM(1,

  3. 所属分类：其它

    • 发布日期：2020-06-13
    • 文件大小：1048576
    • 提供者：weixin_38557515

  1. 利用python实现平稳时间序列的建模方式

  2. 一、平稳序列建模步骤 假如某个观察值序列通过序列预处理可以判定为平稳非白噪声序列，就可以利用ARMA模型对该序列进行建模。建模的基本步骤如下： （1）求出该观察值序列的样本自相关系数（ACF）和样本偏自相关系数（PACF）的值。 （2）根据样本自相关系数和偏自相关系数的性质，选择适当的ARMA（p，q）模型进行拟合。 （3）估计模型中位置参数的值。 （4）检验模型的有效性。如果模型不通过检验，转向步骤（2），重新选择模型再拟合。 （5）模型优化。如果拟合模型通过检验，仍然转向不走（2），充分考虑

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：74752
    • 提供者：weixin_38532629