دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب An Introduction to Discrete-Valued Time Series
دانلود کتاب مقدمه ای بر سری های زمانی با ارزش گسسته
مشخصات کتاب
An Introduction to Discrete-Valued Time Series
ویرایش: 1
نویسندگان: Christian H. Weiss
سری:
ISBN (شابک) : 1119096960, 9781119096962
ناشر: Wiley
سال نشر: 2018
تعداد صفحات: 287
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
قیمت کتاب (تومان) : 45,000
کلمات کلیدی مربوط به کتاب مقدمه ای بر سری های زمانی با ارزش گسسته: احتمال و آمار، کاربردی، ریاضیات، علوم و ریاضی، آمار، ریاضیات، علوم و ریاضیات، کتاب های درسی جدید، مستعمل و اجاره ای، بوتیک تخصصی
در صورت تبدیل فایل کتاب An Introduction to Discrete-Valued Time Series به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مقدمه ای بر سری های زمانی با ارزش گسسته نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب مقدمه ای بر سری های زمانی با ارزش گسسته
مقدمه ای بسیار مورد نیاز در زمینه سری های زمانی با ارزش گسسته، با تمرکز بر روی سری های زمانی داده های شمارشی، تجزیه و تحلیل سری های زمانی یک ابزار ضروری در طیف گسترده ای از زمینه ها، از جمله تجارت، اقتصاد، علوم کامپیوتر، اپیدمیولوژی، امور مالی، تولید و هواشناسی، به نام چند. با وجود علاقه فزاینده به سری‌های زمانی با ارزش گسسته - به‌ویژه آنهایی که از شمارش اشیا یا رویدادهای خاص در زمان‌های معین ناشی می‌شوند، اغلب کتاب‌های سری‌های زمانی به آن حوزه موضوعی مهم‌تر اشاره می‌کنند. این کتاب با ارائه مقدمه‌ای بسیار مورد نیاز برای سری‌های زمانی با ارزش گسسته، با تمرکز ویژه بر سری‌های زمانی داده‌های شمارش، به دنبال اصلاح آن وضعیت است. تمرکز اصلی این کتاب بر روی مدل سازی است. در سراسر مثال های متعددی ارائه شده است که مدل هایی را نشان می دهد که در حال حاضر در برنامه های سری زمانی با ارزش گسسته استفاده می شوند. کنترل فرآیند آماری، از جمله نمودارهای کنترلی مختلف (مانند نمودارهای کنترل مجموع تجمعی)، و ارزیابی عملکرد به طور طولانی بررسی می شود. رویکردهای کلاسیک مانند مدل‌های ARMA و برنامه Box-Jenkins نیز با اصول اولیه این رویکردها در یک ضمیمه خلاصه می‌شوند. علاوه بر این، نمونه های داده، با تمام کدهای R مرتبط، در یک وب سایت همراه موجود است. ارائه‌ای متوازن از تئوری و عمل، کاوش سری‌های مقوله‌ای و با مقدار صحیح، مدل‌های رایج را برای سری‌های زمانی شمارش‌ها و همچنین سری‌های زمانی طبقه‌بندی را پوشش می‌دهد و مهم‌ترین ویژگی‌های تصادفی آنها را بررسی می‌کند. رویکردهای آماری را برای تحلیل زمان با ارزش گسسته نشان می‌دهد سری و پیاده سازی آنها را با مثال های داده های متعدد نشان می دهد رویکردهای کلاسیک مانند مدل های ARMA، برنامه Box-Jenkins و نحوه تولید توابع شامل نمونه های مجموعه داده با تمام کدهای R لازم ارائه شده در یک وب سایت همراه است. مقدمه ای بر سری های زمانی با ارزش گسسته یک با ارزش منبع کاری برای محققان و متخصصان در طیف گسترده ای از زمینه ها، از جمله آمار، علم داده، یادگیری ماشین و مهندسی. همچنین مورد علاقه دانشجویان کارشناسی ارشد در رشته های آمار، ریاضیات و اقتصاد خواهد بود.
توضیحاتی درمورد کتاب به خارجی
A much-needed introduction to the field of discrete-valued time series, with a focus on count-data time series Time series analysis is an essential tool in a wide array of fields, including business, economics, computer science, epidemiology, finance, manufacturing and meteorology, to name just a few. Despite growing interest in discrete-valued time series—especially those arising from counting specific objects or events at specified times—most books on time series give short shrift to that increasingly important subject area. This book seeks to rectify that state of affairs by providing a much needed introduction to discrete-valued time series, with particular focus on count-data time series. The main focus of this book is on modeling. Throughout numerous examples are provided illustrating models currently used in discrete-valued time series applications. Statistical process control, including various control charts (such as cumulative sum control charts), and performance evaluation are treated at length. Classic approaches like ARMA models and the Box-Jenkins program are also featured with the basics of these approaches summarized in an Appendix. In addition, data examples, with all relevant R code, are available on a companion website. Provides a balanced presentation of theory and practice, exploring both categorical and integer-valued series Covers common models for time series of counts as well as for categorical time series, and works out their most important stochastic properties Addresses statistical approaches for analyzing discrete-valued time series and illustrates their implementation with numerous data examples Covers classical approaches such as ARMA models, Box-Jenkins program and how to generate functions Includes dataset examples with all necessary R code provided on a companion website An Introduction to Discrete-Valued Time Series is a valuable working resource for researchers and practitioners in a broad range of fields, including statistics, data science, machine learning, and engineering. It will also be of interest to postgraduate students in statistics, mathematics and economics.
