ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Dynamic Time Series Models using R-INLA: An Applied Perspective

دانلود کتاب مدل‌های سری زمانی پویا با استفاده از R-INLA: یک دیدگاه کاربردی

Dynamic Time Series Models using R-INLA: An Applied Perspective

مشخصات کتاب

Dynamic Time Series Models using R-INLA: An Applied Perspective

ویرایش:  
نویسندگان: , ,   
سری:  
ISBN (شابک) : 036765427X, 9780367654276 
ناشر: CRC Press 
سال نشر: 2022 
تعداد صفحات: 282
[297] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 120 Mb 

قیمت کتاب (تومان) : 47,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 10


در صورت تبدیل فایل کتاب Dynamic Time Series Models using R-INLA: An Applied Perspective 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 مدل‌های سری زمانی پویا با استفاده از R-INLA: یک دیدگاه کاربردی 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 مدل‌های سری زمانی پویا با استفاده از R-INLA: یک دیدگاه کاربردی


توضیحاتی درمورد کتاب به خارجی

Dynamic Time Series Models using R-INLA: An Applied Perspective is the outcome of a joint effort to systematically describe the use of R-INLA for analysing time series and showcasing the code and description by several examples. This book introduces the underpinnings of R-INLA and the tools needed for modelling different types of time series using an approximate Bayesian framework.

The book is an ideal reference for statisticians and scientists who work with time series data. It provides an excellent resource for teaching a course on Bayesian analysis using state space models for time series.

Key Features:

  • Introduction and overview of R-INLA for time series analysis.
  • Gaussian and non-Gaussian state space models for time series.
  • State space models for time series with exogenous predictors.
  • Hierarchical models for a potentially large set of time series.
  • Dynamic modelling of stochastic volatility and spatio-temporal dependence.




نظرات کاربران