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:
نویسندگان: Gregory C. Reinsel (auth.)
سری: Springer Series in Statistics
ISBN (شابک) : 9781468402001, 9781468401981
ناشر: Springer US
سال نشر: 1993
تعداد صفحات: 277
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
کلمات کلیدی مربوط به کتاب عناصر تجزیه و تحلیل سری زمانی چند متغیره: آمار، عمومی، نظریه اقتصادی، زیست شناسی ریاضی و محاسباتی، ریاضی. کاربرد در مباحث شیمی، هوش محاسباتی، فیزیولوژیکی، سلولی و پزشکی
در صورت تبدیل فایل کتاب Elements of Multivariate Time Series Analysis 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 عناصر تجزیه و تحلیل سری زمانی چند متغیره 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.
این کتاب به تجزیه و تحلیل داده های سری زمانی چند متغیره می پردازد. چنین دادههایی ممکن است در تجارت و اقتصاد، مهندسی، علوم ژئوفیزیک، کشاورزی و بسیاری از زمینههای دیگر ایجاد شوند. تأکید بر ارائه شرحی از مفاهیم و روشهای اساسی است که در تجزیه و تحلیل چنین دادههایی مفید هستند و شامل نمونههای بسیار متنوعی است که از بسیاری از زمینههای کاربردی استخراج شدهاند. این کتاب مستلزم آشنایی با سری های زمانی تک متغیره است که ممکن است از یک ترم دوره تحصیلات تکمیلی به دست آید، اما در غیر این صورت مستقل است. این موضوعات اساسی مانند ماتریس های اتوکوواریانس فرآیندهای ثابت، مدل های ARMA برداری و خواص آنها، پیش بینی فرآیندهای ARMA، حداقل مربعات و تکنیک های برآورد حداکثر احتمال برای مدل های AR و ARMA بردار را پوشش می دهد. علاوه بر این، برخی موضوعات و تکنیکهای پیشرفتهتر از جمله ساختار رتبهبندی کاهشیافته، شاخصهای ساختاری، مدلهای مولفههای اسکالر، تحلیلهای همبستگی متعارف برای سریهای زمانی برداری، مدلهای ریشه واحد چندمتغیره و مدلهای ساختار همادغام و فضای حالت و تکنیکهای فیلتر کالمن را ارائه میکند. .
This book is concerned with the analysis of multivariate time series data. Such data might arise in business and economics, engineering, geophysical sciences, agriculture, and many other fields. The emphasis is on providing an account of the basic concepts and methods which are useful in analyzing such data, and includes a wide variety of examples drawn from many fields of application. The book presupposes a familiarity with univariate time series as might be gained from one semester of a graduate course, but it is otherwise self-contained. It covers the basic topics such as autocovariance matrices of stationary processes, vector ARMA models and their properties, forecasting ARMA processes, least squares and maximum likelihood estimation techniques for vector AR and ARMA models. In addition, it presents some more advanced topics and techniques including reduced rank structure, structural indices, scalar component models, canonical correlation analyses for vector time series, multivariate nonstationary unit root models and co-integration structure and state-space models and Kalman filtering techniques.
Front Matter....Pages i-xiv
Vector Time Series and Model Representations....Pages 1-20
Vector ARMA Time Series Models and Forecasting....Pages 21-51
Canonical Structure of Vector ARMA Models....Pages 52-73
Initial Model Building and Least Squares Estimation for Vector AR Models....Pages 74-110
Maximum Likelihood Estimation and Model Checking for Vector ARMA Models....Pages 111-153
Reduced-Rank and Nonstationary Co-Integrated Models....Pages 154-191
State-Space Models, Kalman Filtering, and Related Topics....Pages 192-225
Back Matter....Pages 226-264