نرم افزار: سیستم ها: محاسبات علمی

مدل های رگرسیون برای تجزیه و تحلیل سری های زمانی

Regression Models for Time Series Analysis

دانلود کتاب Regression Models for Time Series Analysis (به فارسی: مدل های رگرسیون برای تجزیه و تحلیل سری های زمانی) نوشته شده توسط «Benjamin Kedem – Konstantinos Fokianos»

اطلاعات کتاب مدل های رگرسیون برای تجزیه و تحلیل سری های زمانی

موضوع اصلی: ریاضیات

نوع: کتاب الکترونیکی

ناشر: John Wiley & Sons

نویسنده: Benjamin Kedem – Konstantinos Fokianos

زبان: english

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

سال انتشار: 2002

تعداد صفحه: 344

حجم فایل: 7.39 مگابایت

کد کتاب: 0471363553 , 9780471363552

نوبت چاپ: 1. Auflage

توضیحات کتاب مدل های رگرسیون برای تجزیه و تحلیل سری های زمانی

بررسی کامل رایج ترین روش های رگرسیون در تحلیل سری های زمانی روش های رگرسیون بیش از یک قرن است که بخشی جدایی ناپذیر از تحلیل سری های زمانی بوده است. اخیراً، پیشرفت‌های جدید در زمینه‌هایی مانند داده‌های غیرپیوسته که در آن مدل خطی مناسب نیست، گام‌های اساسی برداشته است. این کتاب خواننده را با پیشرفت‌های جدیدتر و مدل‌ها و روش‌های رگرسیون متنوع‌تر برای تحلیل سری‌های زمانی آشنا می‌کند. مدل‌های رگرسیون برای تجزیه و تحلیل سری‌های زمانی، که برای هر کسی که با مفاهیم اساسی مدرن استنتاج آماری آشناست، قابل دسترسی است، بررسی بسیار مورد نیاز تحولات آماری اخیر را ارائه می‌کند. در میان آنها، دسته مهمی از مدل‌ها هستند که به عنوان مدل‌های خطی تعمیم‌یافته (GLM) شناخته می‌شوند که تحت برخی شرایط، یک نظریه رگرسیون یکپارچه مناسب برای داده‌های پیوسته، مقوله‌ای و شمارش ارائه می‌دهند. نویسندگان روش‌شناسی GLM را به‌طور سیستماتیک به سری‌های زمانی گسترش می‌دهند که در آن داده‌های اولیه و متغیرهای کمکی تصادفی و تصادفی وابسته هستند. آنها خوانندگان را با مدل‌های رگرسیون مختلفی که در طی سی سال اخیر توسعه یافته‌اند آشنا می‌کنند و نتایج کلاسیک و جدیدتر مربوط به مدل‌های فضای حالت را خلاصه می‌کنند. برای نتیجه‌گیری، آنها یک رویکرد بیزی برای پیش‌بینی و درونیابی در داده‌های مکانی سازگار با سری‌های زمانی ارائه می‌کنند که ممکن است کوتاه باشند و/یا به‌طور نامنظم مشاهده شوند. برنامه های کاربردی داده های واقعی و نتایج بیشتر در سراسر با استفاده از مسائل فصل و مکمل ارائه شده است. قابل ذکر است، این کتاب موارد زیر را پوشش می دهد: * پیشرفت های مهم اخیر در فیلتر کالمن، GLM های پویا، و مدل سازی فضای حالت * مسائل محاسباتی مرتبط مانند زنجیره مارکوف، مونت کارلو، و الگوریتم EM * پیش بینی و درونیابی * فرآیندهای ثابت

A thorough review of the most current regression methods in time series analysis Regression methods have been an integral part of time series analysis for over a century. Recently, new developments have made major strides in such areas as non-continuous data where a linear model is not appropriate. This book introduces the reader to newer developments and more diverse regression models and methods for time series analysis. Accessible to anyone who is familiar with the basic modern concepts of statistical inference, Regression Models for Time Series Analysis provides a much-needed examination of recent statistical developments. Primary among them is the important class of models known as generalized linear models (GLM) which provides, under some conditions, a unified regression theory suitable for continuous, categorical, and count data. The authors extend GLM methodology systematically to time series where the primary and covariate data are both random and stochastically dependent. They introduce readers to various regression models developed during the last thirty years or so and summarize classical and more recent results concerning state space models. To conclude, they present a Bayesian approach to prediction and interpolation in spatial data adapted to time series that may be short and/or observed irregularly. Real data applications and further results are presented throughout by means of chapter problems and complements. Notably, the book covers: * Important recent developments in Kalman filtering, dynamic GLMs, and state-space modeling * Associated computational issues such as Markov chain, Monte Carlo, and the EM-algorithm * Prediction and interpolation * Stationary processes

دانلود کتاب «مدل های رگرسیون برای تجزیه و تحلیل سری های زمانی»

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