Basic Data Analysis for Time Series with R

تحلیل داده‌های پایه برای سری‌های زمانی با R که در سطحی آسان نوشته شده است، بر اهمیت ریاضی تجزیه و تحلیل مشترک داده‌های مورد استفاده برای جمع‌آوری افزایش زمان یا مکان تأکید می‌کند. این کتاب با متعادل کردن یک رویکرد نظری و عملی برای تجزیه و تحلیل داده ها در زمینه همبستگی سریال، یک رویکرد منسجم و سیستماتیک مبتنی بر رگرسیون را برای انتخاب مدل ارائه می دهد. این کتاب این اصول انتخاب مدل و ساخت مدل را از طریق استفاده از معیارهای اطلاعاتی، اعتبار سنجی متقاطع، آزمون‌های فرضیه‌ها و فواصل اطمینان نشان می‌دهد.

 تمرکز بر حوزه فرکانس و زمان و رگرسیون مثلثاتی به‌عنوان مضامین اصلی است. ، این کتاب همچنین شامل پوشش موضوعی مدرن در سری فوریه و معیار اطلاعات آکایک (AIC) است. علاوه بر این، تجزیه و تحلیل داده های پایه برای سری های زمانی با R همچنین دارای موارد زیر است:

• نمونه های دنیای واقعی برای ارائه عملی عملی به خوانندگان تجربه

• زیر روال‌های نرم‌افزار R چندگانه با نمایشگرهای گرافیکی استفاده می‌شود
• مجموعه‌های تمرینی متعددی که برای حمایت از درک خوانندگان از مفاهیم اصلی طراحی شده‌اند.
• خاص فصل‌هایی که به تجزیه و تحلیل داده‌های عدد لکه خورشیدی گرگ و مجموعه داده‌های هسته یخی وستوک اختصاص دارد

Written at a readily accessible level, Basic Data Analysis for Time Series with R emphasizes the mathematical importance of collaborative analysis of data used to collect increments of time or space. Balancing a theoretical and practical approach to analyzing data within the context of serial correlation, the book presents a coherent and systematic regression-based approach to model selection.  The book illustrates these principles of model selection and model building through the use of information criteria, cross validation, hypothesis tests, and confidence intervals.

 Focusing on frequency- and time-domain and trigonometric regression as the primary themes, the book also includes modern topical coverage on Fourier series and Akaike's Information Criterion (AIC). In addition, Basic Data Analysis for Time Series with R also features:

• Real-world examples to provide readers with practical hands-on experience

• Multiple R software subroutines employed with graphical displays
• Numerous exercise sets intended to support readers understanding of the core concepts
• Specific chapters devoted to the analysis of the Wolf sunspot number data and the Vostok ice core data sets