نرم افزار: سیستم ها: محاسبات علمی

سری‌های زمانی غیرخطی: نظریه، روش‌ها و کاربردها با مثال‌های R

Nonlinear Time Series: Theory, Methods and Applications with R Examples

دانلود کتاب Nonlinear Time Series: Theory, Methods and Applications with R Examples (به فارسی: سری‌های زمانی غیرخطی: نظریه، روش‌ها و کاربردها با مثال‌های R) نوشته شده توسط «Randal Douc – Eric Moulines – David Stoffer»

اطلاعات کتاب سری‌های زمانی غیرخطی: نظریه، روش‌ها و کاربردها با مثال‌های R

موضوع اصلی: ریاضیات

نوع: کتاب الکترونیکی

ناشر: Chapman and Hall/CRC

نویسنده: Randal Douc – Eric Moulines – David Stoffer

زبان: english

فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2014

تعداد صفحه: 554

حجم فایل: 9.47 مگابایت

کد کتاب: 1466502258 , 9781466502253

نوبت چاپ: 1

توضیحات کتاب سری‌های زمانی غیرخطی: نظریه، روش‌ها و کاربردها با مثال‌های R

ویژگی ها
تکنیک های آماری اصلی را برای استنتاج پارامترهای مدل با تمرکز بر MLE و QMLE توصیف می کند
مفاهیم آمار ناپارامتریک، از جمله هموارسازی اسپلاین ها را معرفی می کند
مدل‌های HMM را پوشش می‌دهد، از جمله مدل‌های فضایی خطی گاوسی، مارکوین سوئیچینگ و مدل‌های فضای حالت غیرخطی
تکنیک های استنتاج مستقیم درستنمایی و الگوریتم EM را ارائه دهید
از R برای مثال های عددی استفاده می کند و یک بسته R اختصاصی را ارائه می دهد
راهنمای راه حل ها پس از پذیرش دوره واجد شرایط
در دسترس است

این متن بر مدل های غیرخطی برای یک دوره در تحلیل سری های زمانی تاکید دارد. پس از معرفی فرآیندهای تصادفی، زنجیره‌های مارکوف، فرآیندهای پواسون، و مدل‌های ARMA، نویسندگان مدل‌های اتورگرسیو عملکردی، ARCH، آستانه AR و سری‌های زمانی گسسته و همچنین چندین رویکرد مکمل را پوشش می‌دهند. آنها در مورد قضایای حد اصلی برای زنجیره های مارکوف، نابرابری های مفید، تکنیک های آماری برای استنتاج پارامترهای مدل و GLM ها بحث می کنند. با حرکت به سمت مدل‌های HMM، این کتاب فیلتر کردن و هموارسازی، استنتاج پارامتری و ناپارامتریک، فیلتر ذرات پیشرفته و روش‌های عددی را برای استنتاج بررسی می‌کند.

Features
Describes the major statistical techniques for inferring model parameters, with a focus on the MLE and QMLE
Introduces concepts of nonparametric statistics, including smoothing splines
Covers HMM models, including Gaussian linear, switching Markovian, and nonlinear state space models
Present direct likelihood inference techniques and the EM algorithm
Uses R for numerical examples and provides a dedicated R package
Solutions manual available upon qualifying course adoption

This text emphasizes nonlinear models for a course in time series analysis. After introducing stochastic processes, Markov chains, Poisson processes, and ARMA models, the authors cover functional autoregressive, ARCH, threshold AR, and discrete time series models as well as several complementary approaches. They discuss the main limit theorems for Markov chains, useful inequalities, statistical techniques to infer model parameters, and GLMs. Moving on to HMM models, the book examines filtering and smoothing, parametric and nonparametric inference, advanced particle filtering, and numerical methods for inference.

دانلود کتاب «سری‌های زمانی غیرخطی: نظریه، روش‌ها و کاربردها با مثال‌های R»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
برچسب ها

دیدگاهتان را بنویسید

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
کتابخانه دیجیتال بَلیان