Empirical Process Techniques for Dependent Data

تکنیک‌های فرآیند تجربی برای داده‌های مستقل سال‌هاست که در آمار و تئوری احتمال استفاده می‌شوند. این تکنیک‌ها برای مطالعه ویژگی‌های مجانبی روش‌های آماری پارامتری و ناپارامتریک بسیار مفید هستند. اخیراً، نیاز به مدل‌سازی ساختار وابستگی در مجموعه‌های داده از حوزه‌های موضوعی مختلف مانند امور مالی، بیمه، و مخابرات منجر به پیشرفت‌های جدیدی در رابطه با تابع توزیع تجربی و فرآیند تجربی برای توالی‌های وابسته و عمدتا ثابت شده است. این کار مقدمه‌ای بر این نظریه جدید از تکنیک‌های فرآیند تجربی، که تاکنون در ادبیات آماری و احتمالی پراکنده بوده است، ارائه می‌کند و آخرین تحولات در زمینه‌های مختلف مرتبط را بررسی می‌کند. ویژگی‌های کلیدی: مقدمه‌ای کامل و جامع بر نظریه موجود تکنیک‌های فرآیند تجربی برای داده‌های وابسته * نظرسنجی‌های قابل دسترس توسط کارشناسان برجسته از جدیدترین پیشرفت‌ها در زمینه‌های مختلف مرتبط * بررسی تکنیک‌های فرآیند تجربی برای داده‌های وابسته، مفید برای مطالعه پارامتری و غیر رویه های آماری پارامتریک * کتابشناسی جامع * مروری بر کاربردها در زمینه های مختلف مرتبط با فرآیندهای تجربی: به عنوان مثال، تجزیه و تحلیل طیفی سری های زمانی، راه انداز برای دنباله های ثابت، نظریه ارزش شدید، و فرآیند تجربی برای اختلاط مشاهدات وابسته، از جمله مورد. از وابستگی شدید تا به امروز این کتاب تنها درمان جامع این موضوع در ادبیات کتاب است. این یک متن مقدماتی ایده‌آل است که به عنوان مرجع یا منبعی برای استفاده در کلاس درس در زمینه‌های آمار، تجزیه و تحلیل سری‌های زمانی، نظریه ارزش شدید، نظریه فرآیند نقطه‌ای و نظریه احتمال کاربردی عمل می‌کند. مشارکت کنندگان: P. Ango Nze، M.A. Arcones، I. Berkes، R. Dahlhaus، J. Dedecker، H.G. Dehling،

Empirical process techniques for independent data have been used for many years in statistics and probability theory. These techniques have proved very useful for studying asymptotic properties of parametric as well as non-parametric statistical procedures. Recently, the need to model the dependence structure in data sets from many different subject areas such as finance, insurance, and telecommunications has led to new developments concerning the empirical distribution function and the empirical process for dependent, mostly stationary sequences. This work gives an introduction to this new theory of empirical process techniques, which has so far been scattered in the statistical and probabilistic literature, and surveys the most recent developments in various related fields. Key features: A thorough and comprehensive introduction to the existing theory of empirical process techniques for dependent data * Accessible surveys by leading experts of the most recent developments in various related fields * Examines empirical process techniques for dependent data, useful for studying parametric and non-parametric statistical procedures * Comprehensive bibliographies * An overview of applications in various fields related to empirical processes: e.g., spectral analysis of time-series, the bootstrap for stationary sequences, extreme value theory, and the empirical process for mixing dependent observations, including the case of strong dependence. To date this book is the only comprehensive treatment of the topic in book literature. It is an ideal introductory text that will serve as a reference or resource for classroom use in the areas of statistics, time-series analysis, extreme value theory, point process theory, and applied probability theory. Contributors: P. Ango Nze, M.A. Arcones, I. Berkes, R. Dahlhaus, J. Dedecker, H.G. Dehling,