Introduction to Time Series Analysis and Forecasting

تمجید از نسخه اول

\"…[t]کتاب برای خوانندگانی که نیاز به استفاده از روش‌ها و مدل‌ها دارند عالی است ارائه شده است اما سابقه کمی در ریاضیات و آمار دارد.\" -بررسی های MAA

به طور کامل به روز شده است، مقدمه ای بر تجزیه و تحلیل سری های زمانی و پیش‌بینی، نسخه دومنظریه‌های اساسی تحلیل سری‌های زمانی را ارائه می‌کند که برای تجزیه و تحلیل داده‌های زمان‌محور و ساخت پیش‌بینی‌های آماری کوتاه‌مدت تا میان‌مدت مورد نیاز است.

که توسط دانشگاهیان و متخصصان بسیار با تجربه در آمار مهندسی تالیف شده است، نسخه دوم دارای بحث هایی در مورد روش های سری زمانی رایج و مدرن و همچنین مقدمه ای بر روش های بیزی در پیش بینی است. . مقدمه ای بر تحلیل و پیش بینی سری های زمانی، ویرایش دوم همچنین شامل:

• بیش از 300 تمرین از رشته های مختلف از جمله مراقبت های بهداشتی، مطالعات محیطی ، مهندسی و مالی
• بیش از 50 الگوریتم برنامه نویسی با استفاده از JMP®، SAS®، و R که تئوری و عملی بودن تکنیک های پیش بینی را در زمینه داده های زمان گرا نشان می دهد. 
• مطالب جدید  در حوزه فرکانس و تجزیه و تحلیل داده‌های زمانی مکانی
• پوشش گسترده واریوگرام و طیف با برنامه‌ها و همچنین توابع مدل انتقال و مداخله
• یک وب‌سایت تکمیلی دارای اسلایدهای PowerPoint®، داده‌ها مجموعه و انتخاب راه حل برای مسائل

Praise for the First Edition

"…[t]he book is great for readers who need to apply the methods and models presented but have little background in mathematics and statistics." -MAA Reviews

Thoroughly updated throughout, Introduction to Time Series Analysis and Forecasting, Second Edition presents the underlying theories of time series analysis that are needed to analyze time-oriented data and construct real-world short- to medium-term statistical forecasts.   

Authored by highly-experienced academics and professionals in engineering statistics, the Second Edition features discussions on both popular and modern time series methodologies as well as an introduction to Bayesian methods in forecasting. Introduction to Time Series Analysis and Forecasting, Second Edition also includes:

• Over 300 exercises from diverse disciplines including health care, environmental studies, engineering, and finance
• More than 50 programming algorithms using JMP®, SAS®, and R that illustrate the theory and practicality of forecasting techniques in the context of time-oriented data 
• New material  on frequency domain and spatial temporal data analysis
• Expanded coverage of the variogram and spectrum with applications as well as transfer and intervention model functions
• A supplementary website featuring  PowerPoint® slides, data sets, and select solutions to the problems