دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: آمار ریاضی ویرایش: نویسندگان: Terence C. Mills سری: ISBN (شابک) : 0128131179, 9780128131176 ناشر: Academic Press سال نشر: 2019 تعداد صفحات: 356 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 مگابایت
در صورت تبدیل فایل کتاب Applied Time Series Analysis: A Practical Guide to Modeling and Forecasting 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 تجزیه و تحلیل سری های زمانی کاربردی: راهنمای عملی برای مدل سازی و پیش بینی 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.
نوشته شده برای کسانی که نیاز به معرفی دارند،تجزیه و تحلیل
سری های زمانی کاربردیکاربردهای تکنیک محبوب تحلیل اقتصاد
سنجی را در بین رشته ها بررسی می کند. با متعادل کردن دقیق دسترسی
با دقت، اقتصاد، امور مالی، تاریخ اقتصادی، اقلیم شناسی، هواشناسی
و بهداشت عمومی را در بر می گیرد. ترنس میلز یک رویکرد عملی و گام
به گام ارائه میکند که بر نظریهها و نتایج اصلی تاکید میکند
بدون اینکه درگیر جزئیات فنی بیش از حد شود. از جمله تکنیکهای تک
متغیره و چند متغیره،تجزیه و تحلیل سریهای زمانی
کاربردیمجموعههای داده و فایلهای برنامهای را ارائه میدهد
که طیف وسیعی از کاربردهای چند رشتهای را پشتیبانی میکند و این
کتاب را از سایرین متمایز میکند.
تمرکز بر کاربرد عملی تجزیه و تحلیل سری های زمانی، با استفاده از
تکنیک های گام به گام و بدون جزئیات فنی بیش از حد
با پشتیبانی از مثال های انضباطی فراوان، به خوانندگان کمک می کند
تا به سرعت تجزیه و تحلیل سری های زمانی را با حوزه مورد مطالعه
خود تطبیق دهند
هر دو یک متغیره را پوشش می دهد. و تکنیک های چند متغیره در یک
جلد
نکات تخصصی را در مورد نرم افزارهای آماری قدرتمند از جمله EVIEWS
و R
ارائه می دهد و به کاهش مشکلات رایج کمک می کند. توضیح سری های
زمانی برای تازه کارها
همراه با یک میکروسایت با مجموعه داده های انضباطی و فایل هایی که
نحوه ساخت محاسبات مورد استفاده در مثال ها را توضیح می دهد.
Written for those who need an introduction,Applied Time
Series Analysisreviews applications of the popular
econometric analysis technique across disciplines. Carefully
balancing accessibility with rigor, it spans economics,
finance, economic history, climatology, meteorology, and public
health. Terence Mills provides a practical, step-by-step
approach that emphasizes core theories and results without
becoming bogged down by excessive technical details. Including
univariate and multivariate techniques,Applied Time Series
Analysisprovides data sets and program files that support a
broad range of multidisciplinary applications, distinguishing
this book from others.
Focuses on practical application of time series analysis, using
step-by-step techniques and without excessive technical
detail
Supported by copious disciplinary examples, helping readers
quickly adapt time series analysis to their area of study
Covers both univariate and multivariate techniques in one
volume
Provides expert tips on, and helps mitigate common pitfalls of,
powerful statistical software including EVIEWS and R
Written in jargon-free and clear English from a master educator
with 30 years] experience explaining time series to
novices
Accompanied by a microsite with disciplinary data sets and
files explaining how to build the calculations used in examples
Content: Time series and their features --
Transforming time series --
ARMA models for stationary time series --
ARIMA models for nonstationary time series --
Unit roots, difference and trend stationarity, and fractional differencing --
Breaking and nonlinear trends --
An introduction to forecasting with univariate models --
Unobserved component models, signal extraction, and filters --
Seasonality and exponential smoothing --
Volatility and generalized autoregressive conditional heteroskedastic processes --
Nonlinear stochastic processes --
Transfer functions and autoregressive distributed lag modeling --
Vector autoregressions and Granger causality --
Error corection, spurious regressions, and cointegration --
Vector autoregressions with integrated variables, vector error correction models, and common trends --
Compositional and count time series --
State space models.