Copula-Based Markov Models for Time Series: Parametric Inference and Process Control

این کتاب روش‌های آماری را برای داده‌های سری زمانی ارائه می‌کند، که بر مدل‌های زنجیره مارکوف مبتنی بر کوپول برای سری‌های زمانی همبسته سریال تمرکز دارد. همچنین شامل نمونه های داده ای از اقتصاد، مهندسی، مالی، ورزش و سایر رشته ها برای نشان دادن روش های ارائه شده است. این کتاب یک کتاب درسی در دسترس برای دانش‌آموزان در زمینه‌های اقتصاد، مدیریت، ریاضیات، آمار و رشته‌های مرتبط است که می‌خواهند بینشی در مورد تجزیه و تحلیل آماری داده‌های سری‌های زمانی با استفاده از کوپول به دست آورند، این کتاب همچنین دارای فصل‌های مستقلی است که برای محققان جذاب است. p>

همانطور که زیرنویس نشان می دهد، این کتاب مدل های پارامتریک مبتنی بر توزیع نرمال، توزیع t، توزیع مخلوط نرمال، توزیع پواسون و موارد دیگر را برجسته می کند. این کتاب با ارائه روش‌های مبتنی بر احتمال به‌عنوان ابزارهای آماری اصلی برای برازش مدل‌ها، توسعه تکنیک‌های محاسباتی برای یافتن برآوردگر حداکثر درستنمایی را به تفصیل شرح می‌دهد. همچنین به کنترل فرآیند آماری و همچنین روش های بیزی و رگرسیون می پردازد. در نهایت، برای کمک به خوانندگان در تجزیه و تحلیل داده های خود، کدهای کامپیوتری (کدهای R) را برای اکثر روش های آماری ارائه می کند.

This book provides statistical methodologies for time series data, focusing on copula-based Markov chain models for serially correlated time series. It also includes data examples from economics, engineering, finance, sport and other disciplines to illustrate the methods presented. An accessible textbook for students in the fields of economics, management, mathematics, statistics, and related fields wanting to gain insights into the statistical analysis of time series data using copulas, the book also features stand-alone chapters to appeal to researchers.

As the subtitle suggests, the book highlights parametric models based on normal distribution, t-distribution, normal mixture distribution, Poisson distribution, and others. Presenting likelihood-based methods as the main statistical tools for fitting the models, the book details the development of computing techniques to find the maximum likelihood estimator. It also addresses statistical process control, as well as Bayesian and regression methods. Lastly, to help readers analyze their data, it provides computer codes (R codes) for most of the statistical methods.