دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Hidden Markov models for time series: an introduction using R
دانلود کتاب مدل های مارکوف پنهان برای سری های زمانی: مقدمه ای با استفاده از R
مشخصات کتاب
Hidden Markov models for time series: an introduction using R
ویرایش: Second edition نویسندگان: Langrock. Roland, MacDonald. Iain L., Zucchini. W سری: Monographs on statistics and applied probability (Series) 150 ISBN (شابک) : 9781482253849, 1482253844 ناشر: CRC Press سال نشر: 2016 تعداد صفحات: 388 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 46 مگابایت
قیمت کتاب (تومان) : 53,000
کلمات کلیدی مربوط به کتاب مدل های مارکوف پنهان برای سری های زمانی: مقدمه ای با استفاده از R: تجزیه و تحلیل سری زمانی.، فرآیندهای مارکوف.، R (زبان برنامه کامپیوتری)، ریاضیات / کاربردی، ریاضیات / احتمال و آمار / عمومی، ریاضیات / کاربردی.، ریاضیات / احتمال و آمار / عمومی.
در صورت تبدیل فایل کتاب Hidden Markov models for time series: an introduction using R 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 مدل های مارکوف پنهان برای سری های زمانی: مقدمه ای با استفاده از R 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 مدل های مارکوف پنهان برای سری های زمانی: مقدمه ای با استفاده از R
مدل‌های پنهان مارکوف برای سری‌های زمانی: مقدمه‌ای با استفاده از R، ویرایش دوم، انعطاف‌پذیری زیاد مدل‌های مارکوف پنهان (HMM) را به عنوان مدل‌های همه منظوره برای داده‌های سری زمانی نشان می‌دهد. این کتاب درک گسترده ای از مدل ها و کاربرد آنها ارائه می دهد. پس از ارائه فرمول مدل پایه، کتاب تخمین، پیش‌بینی، رمزگشایی، پیش‌بینی، انتخاب مدل و استنتاج بیزی برای HMM را پوشش می‌دهد. نویسندگان از طریق مثال‌ها و برنامه‌های کاربردی، چگونگی گسترش و تعمیم مدل پایه را توضیح می‌دهند تا بتوان آن را در موقعیت‌های متنوعی به کار برد. این کتاب نشان می دهد که چگونه HMM ها را می توان برای طیف گسترده ای از انواع سری های زمانی اعمال کرد: تعداد پیوسته، دایره ای، چند متغیره، باینری، تعداد محدود و نامحدود، و مشاهدات طبقه بندی شده. همچنین نحوه استفاده از محیط محاسباتی آزادانه R را برای انجام محاسبات مورد بحث قرار می دهد. ویژگی ها نمای کلی در دسترس از HMM ها را ارائه می دهد انواع کاربردها را در بوم شناسی، امور مالی، اپیدمیولوژی، اقلیم شناسی و جامعه شناسی بررسی می کند، شامل تمرین های نظری و برنامه نویسی متعددی است که بیشتر مجموعه داده های تحلیل شده را به صورت آنلاین ارائه می کند. از جمله HMM برای داده‌های طولی، مدل‌های نیمه مارکوف پنهان و مدل‌هایی با فرآیند حالت با ارزش پیوسته مطالعات موردی جدید در مورد حرکت حیوانات، وقوع بارندگی و داده‌های ضبط-بازگیری
توضیحاتی درمورد کتاب به خارجی
Hidden Markov Models for Time Series: An Introduction Using R, Second Edition illustrates the great flexibility of hidden Markov models (HMMs) as general-purpose models for time series data. The book provides a broad understanding of the models and their uses. After presenting the basic model formulation, the book covers estimation, forecasting, decoding, prediction, model selection, and Bayesian inference for HMMs. Through examples and applications, the authors describe how to extend and generalize the basic model so that it can be applied in a rich variety of situations. The book demonstrates how HMMs can be applied to a wide range of types of time series: continuous-valued, circular, multivariate, binary, bounded and unbounded counts, and categorical observations. It also discusses how to employ the freely available computing environment R to carry out the computations. Features Presents an accessible overview of HMMs Explores a variety of applications in ecology, finance, epidemiology, climatology, and sociology Includes numerous theoretical and programming exercises Provides most of the analysed data sets online New to the second edition A total of five chapters on extensions, including HMMs for longitudinal data, hidden semi-Markov models and models with continuous-valued state process New case studies on animal movement, rainfall occurrence and capture-recapture data
فهرست مطالب
Content: Preface
Preface to rst edition
Notation and abbreviations
Part I: Model structure, properties and methods
Chapter 1: Preliminaries: mixtures and Markov chains
Chapter 2: Hidden Markov models: de nition and properties
Chapter 3: Estimation by direct maximization of the likelihood
Chapter 4: Estimation by the EM algorithm
Chapter 5: Forecasting, decoding and state prediction
Chapter 6: Model selection and checking
Chapter 7: Bayesian inference for Poisson{hidden Markov models
Chapter 8: R packages
Part II: Extensions Chapter 9: HMMs with general state-dependent distributionChapter 10: Covariates and other extra dependencies
Chapter 11: Continuous-valued state processes
Chapter 12: Hidden semi-Markov models and their representation as HMMs
Chapter 13: HMMs for longitudinal data
Part III: Applications
Chapter 14: Introduction to applications
Chapter 15: Epileptic seizures
Chapter 16: Daily rainfall occurrence
Chapter 17: Eruptions of the Old Faithful geyser
Chapter 18: HMMs for animal movement
Chapter 19: Wind direction at Koeberg
Chapter 20: Models for nancial series Chapter 21: Births at Edendale HospitalChapter 22: Homicides and suicides in Cape Town, 1986{1991
Chapter 23: A model for animal behaviour which incorporates feedback
Chapter 24: Estimating the survival rates of Soay sheep from mark{recapture{recovery data
Appendix A: Examples of R code
Appendix B: Some proofs
References
