مشخصات کتاب

Introduction to time series and forecasting

ویرایش: 2 
نویسندگان: Peter J. Brockwell,  Richard A. Davis  
سری: Springer texts in statistics 
ISBN (شابک) : 038721657X, 8181284046 
ناشر: Springer 
سال نشر: 2002 
تعداد صفحات: 449 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 مگابایت 

در صورت تبدیل فایل کتاب Introduction to time series and forecasting 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 مقدمه ای بر سری های زمانی و پیش بینی 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 مقدمه ای بر سری های زمانی و پیش بینی

جلد --
فهرست مطالب --
پیشگفتار --
فصل 1. مقدمه --
1.1. نمونه هایی از سری زمانی --
1.2. اهداف تحلیل سری های زمانی --
1.3. برخی از مدل های سری زمانی ساده --
1.4. مدل های ثابت و تابع همبستگی خودکار --
1.5. برآورد و حذف مولفه های روند و فصلی --
1.6. تست توالی نویز تخمینی --
مشکلات --
فصل 2. فرآیندهای ثابت --
2.1. ویژگی های اساسی --
2.2. فرآیندهای خطی --
2.3. مقدمه ای بر فرآیندهای ARMA --
2.4. ویژگی های نمونه میانگین و تابع همبستگی --
2.5. پیش بینی سری زمانی ثابت --
2.6. تجزیه جهان --
مشکلات --
فصل 3. مدل های ARMA --
3.1. فرآیندهای ARMA(p, q) --
3.2. ACF و PACF یک فرآیند ARMA(p, q) --
3.3. پیش بینی فرآیندهای ARMA --
مشکلات --
فصل 4. تجزیه و تحلیل طیفی --
4.1. چگالی طیفی --
4.2. پریودوگرام --
4.3. فیلترهای خطی ثابت زمان --
4.4. چگالی طیفی یک فرآیند ARMA --
مشکلات --
فصل 5. مدل سازی و پیش بینی با فرآیندهای ARMA --
5.1. تخمین اولیه --
5.2. برآورد حداکثر احتمال --
5.3. بررسی تشخیصی --
5.4. پیش بینی --
5.5. انتخاب سفارش --
مشکلات --
فصل 6. مدل های سری زمانی غیر ثابت و فصلی --
6.1. مدل های ARIMA برای سری های زمانی غیر ثابت --
6.2. تکنیک های شناسایی --
6.3. ریشه های واحد در مدل های سری زمانی --
6.4. پیش بینی مدل های ARIMA --
6.5. مدل های فصلی ARIMA --
6.6. رگرسیون با خطاهای ARMA --
مشکلات --
فصل 7. سری زمانی چند متغیره --
7.1. مثال --
7.2. ویژگی های مرتبه دوم سری های زمانی چند متغیره --
7.3. تخمین تابع میانگین و کوواریانس --
7.4. فرآیندهای ARMA چند متغیره --
7.5. بهترین پیش بینی کننده های خطی بردارهای تصادفی مرتبه دوم --
7.6. مدل سازی و پیش بینی با فرآیندهای AR چند متغیره --
7.7. همگرایی --
مشکلات --
فصل 8. مدل های فضای حالت --
8.1. بازنمایی حالت-فضا --
8.2. مدل پایه ساختاری --
8.3. بازنمایی حالت-فضای مدل های ARIMA --
8.4. بازگشت های کالمن --
8.5. تخمین برای مدل های فضای حالت --
8.6. مدل‌های فضای حالت با مشاهدات گمشده --
8.7. الگوریتم EM --
8.8. مدل های حالت-فضای تعمیم یافته --
مشکلات --
فصل 9. تکنیک های پیش بینی --
9.1. الگوریتم ARAR --
9.2. The Holt ... الگوریتم زمستان --
9.3. The Holt ... الگوریتم فصلی زمستان --
9.4. انتخاب الگوریتم پیش بینی --
مشکلات --
فصل 10. موضوعات بیشتر --
10.1. مدل های تابع انتقال --
10.2. تجزیه و تحلیل مداخله --
10.3. مدل های غیر خطی --
10.4. مدل های زمان پیوسته --
10.5. مدل های با حافظه بلند --
مشکلات --
پیوست A. متغیرهای تصادفی و توزیع احتمال --
الف.1. توابع توزیع و انتظار --
الف.2. بردارهای تصادفی --
الف.3. توزیع نرمال چند متغیره --
مشکلات --
پیوست ب. مکمل های آماری --
ب.1. برآورد حداقل مربعات --
ب.2. برآورد حداکثر احتمال --
ب.3. فواصل اطمینان --
ب.4. آزمون فرضیه --
پیوست C. میانگین مربع همگرایی --
ج.1. معیار کوشی

توضیحاتی درمورد کتاب به خارجی

Cover --
Table of Contents --
Preface --
Chapter 1. Introduction --
1.1. Examples of Time Series --
1.2. Objectives of Time Series Analysis --
1.3. Some Simple Time Series Models --
1.4. Stationary Models and the Autocorrelation Function --
1.5. Estimation and Elimination of Trend and Seasonal Components --
1.6. Testing the Estimated Noise Sequence --
Problems --
Chapter 2. Stationary Processes --
2.1. Basic Properties --
2.2. Linear Processes --
2.3. Introduction to ARMA Processes --
2.4. Properties of the Sample Mean and Autocorrelation Function --
2.5. Forecasting Stationary Time Series --
2.6. The Wold Decomposition --
Problems --
Chapter 3. ARMA Models --
3.1. ARMA(p, q) Processes --
3.2. The ACF and PACF of an ARMA(p, q) Process --
3.3. Forecasting ARMA Processes --
Problems --
Chapter 4. Spectral Analysis --
4.1. Spectral Densities --
4.2. The Periodogram --
4.3. Time-Invariant Linear Filters --
4.4. The Spectral Density of an ARMA Process --
Problems --
Chapter 5. Modeling and Forecasting with ARMA Processes --
5.1. Preliminary Estimation --
5.2. Maximum Likelihood Estimation --
5.3. Diagnostic Checking --
5.4. Forecasting --
5.5. Order Selection --
Problems --
Chapter 6. Nonstationary and Seasonal Time Series Models --
6.1. ARIMA Models for Nonstationary Time Series --
6.2. Identification Techniques --
6.3. Unit Roots in Time Series Models --
6.4. Forecasting ARIMA Models --
6.5. Seasonal ARIMA Models --
6.6. Regression with ARMA Errors --
Problems --
Chapter 7. Multivariate Time Series --
7.1. Examples --
7.2. Second-Order Properties of Multivariate Time Series --
7.3. Estimation of the Mean and Covariance Function --
7.4. Multivariate ARMA Processes --
7.5. Best Linear Predictors of Second-Order Random Vectors --
7.6. Modeling and Forecasting with Multivariate AR Processes --
7.7. Cointegration --
Problems --
Chapter 8. State-Space Models --
8.1. State-Space Representations --
8.2. The Basic Structural Model --
8.3. State-Space Representation of ARIMA Models --
8.4. The Kalman Recursions --
8.5. Estimation For State-Space Models --
8.6. State-Space Models with Missing Observations --
8.7. The EM Algorithm --
8.8. Generalized State-Space Models --
Problems --
Chapter 9. Forecasting Techniques --
9.1. The ARAR Algorithm --
9.2. The Holt ... Winters Algorithm --
9.3. The Holt ... Winters Seasonal Algorithm --
9.4. Choosing a Forecasting Algorithm --
Problems --
Chapter 10. Further Topics --
10.1. Transfer Function Models --
10.2. Intervention Analysis --
10.3. Nonlinear Models --
10.4. Continuous-Time Models --
10.5. Long-Memory Models --
Problems --
Appendix A. Random Variables and Probability Distributions --
A.1. Distribution Functions and Expectation --
A.2. Random Vectors --
A.3. The Multivariate Normal Distribution --
Problems --
Appendix B. Statistical Complements --
B.1. Least Squares Estimation --
B.2. Maximum Likelihood Estimation --
B.3. Confidence Intervals --
B.4. Hypothesis Testing --
Appendix C. Mean Square Convergence --
C.1. The Cauchy Criterion

نظرات کاربران

کتاب های تصادفی

دانلود کتاب A Laboratory Guide for Cellular and Molecular Plant Biology

دانلود کتاب Interpersonal psychotherapy for posttraumatic stress disorder

دانلود کتاب Pop Goes the Decade: The Nineties

دانلود کتاب गुनाहों का देवता : Gunahon Ka Devta

دانلود کتاب Darwinian Fitness in the Global Marketplace: Analysing the Competition