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
ویرایش: 1st edition 2019
نویسندگان: Ryabko D
سری: SpringerBriefs in Computer Science
ISBN (شابک) : 9783030125639, 3030125645
ناشر: Springer International Publishing
سال نشر: 2019
تعداد صفحات: 85
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 796 کیلوبایت
کلمات کلیدی مربوط به کتاب تحلیل آماری ناپارامتری مجانبی سری های زمانی ثابت: (Produktform)متن کتاب الکترونیکی
در صورت تبدیل فایل کتاب Asymptotic Nonparametric Statistical Analysis of Stationary 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 تحلیل آماری ناپارامتری مجانبی سری های زمانی ثابت 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.
ثابت بودن یک فرض بسیار کلی و کیفی است که می توان آن را بر اساس ویژگی های کاربردی ارزیابی کرد. بنابراین، یک فرض نسبتاً جذاب است که تجزیه و تحلیل های آماری را بر اساس آن استوار کنیم، به ویژه برای مسائلی که فرضیات کیفی کمتر عمومی، مانند استقلال یا حافظه محدود، به وضوح شکست می خورند. با این حال، مدتهاست که آن را خیلی کلی میدانند که نمیتوان استنباط آماری کرد. یکی از دلایل این امر این است که نرخ های همگرایی، حتی فرکانس ها به میانگین، تنها تحت این فرض در دسترس نیستند. اخیراً نشان داده شده است که، در حالی که برخی از مسائل طبیعی و ساده، مانند همگنی، در واقع غیرممکن است که بتوان آنها را حل کرد، اگر تنها فرض کنیم که دادهها ثابت هستند (یا ارگودیک ثابت هستند)، بسیاری از مسائل دیگر را میتوان با نسبتاً ساده و شهودی حل کرد. الگوریتم ها مورد دوم شامل خوشه بندی و تخمین نقطه تغییر در میان دیگران است. در این جلد من این نتایج را خلاصه می کنم. تأکید بر سازگاری مجانبی است، زیرا این قویترین ویژگی است که میتوان با فرض ثابت بودن به تنهایی به دست آورد. در حالی که برای اکثر مسائلی که راه حلی برای آنها یافت می شود، این راه حل از نظر الگوریتمی قابل تحقق است، هدف اصلی در این حوزه از تحقیق، هدفی که تنها تا حدی به آن دست یافته است، درک این موضوع است که چه چیزی برای ساکنان ممکن است و چه کارهایی انجام نمی شود. سری زمانی. مسائل در نظر گرفته شده شامل آزمون همگنی (به اصطلاح مسئله دو نمونه)، خوشه بندی با توجه به توزیع، خوشه بندی با توجه به استقلال، تخمین نقطه تغییر، آزمون هویت و مشکل کلی آزمون فرضیه های ترکیبی است. برای مشکل دوم، یک معیار توپولوژیکی برای وجود یک آزمون سازگار ارائه شده است. علاوه بر این، تعدادی از مشکلات باز ارائه شده است.
Stationarity is a very general, qualitative assumption, that can be assessed on the basis of application specifics. It is thus a rather attractive assumption to base statistical analysis on, especially for problems for which less general qualitative assumptions, such as independence or finite memory, clearly fail. However, it has long been considered too general to be able to make statistical inference. One of the reasons for this is that rates of convergence, even of frequencies to the mean, are not available under this assumption alone. Recently, it has been shown that, while some natural and simple problems, such as homogeneity, are indeed provably impossible to solve if one only assumes that the data is stationary (or stationary ergodic), many others can be solved with rather simple and intuitive algorithms. The latter include clustering and change point estimation among others. In this volume I summarize these results. The emphasis is on asymptotic consistency, since this the strongest property one can obtain assuming stationarity alone. While for most of the problem for which a solution is found this solution is algorithmically realizable, the main objective in this area of research, the objective which is only partially attained, is to understand what is possible and what is not possible to do for stationary time series. The considered problems include homogeneity testing (the so-called two sample problem), clustering with respect to distribution, clustering with respect to independence, change point estimation, identity testing, and the general problem of composite hypotheses testing. For the latter problem, a topological criterion for the existence of a consistent test is presented. In addition, a number of open problems is presented.
Front Matter ....Pages i-viii
Introduction (Daniil Ryabko)....Pages 1-8
Preliminaries (Daniil Ryabko)....Pages 9-12
Basic Inference (Daniil Ryabko)....Pages 13-28
Clustering and Change-Point Problems (Daniil Ryabko)....Pages 29-44
Hypothesis Testing (Daniil Ryabko)....Pages 45-67
Generalizations (Daniil Ryabko)....Pages 69-74
Back Matter ....Pages 75-77