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
دسته بندی: آمار ریاضی ویرایش: 1St Edition نویسندگان: Peter J., Richard A. Davis Brockwell سری: unopened diskette ISBN (شابک) : 0387950397, 0387953515 ناشر: New York Springer 1996. سال نشر: 1996 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 معرفی سریال 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.
هدف اصلی این کتاب ارائه تکنیکها و نظریههای آماری مدرن برای فرآیندهای تصادفی است. فرآیندهای تصادفی ذکر شده در اینجا محدود به فرآیندهای معمولی AR، MA و ARMA نیستند. طیف گستردهای از فرآیندهای تصادفی، از جمله فرآیندهای خطی غیر گاوسی، فرآیندهای حافظه طولانی، فرآیندهای غیرخطی، فرآیندهای غیر ارگودی و فرآیندهای انتشار شرح داده شدهاند. نویسندگان نظریه تخمین و آزمایش و بسیاری از روشها و تکنیکهای آماری مرتبط را مورد بحث قرار میدهند.
The primary aim of this book is to provide modern statistical techniques and theory for stochastic processes. The stochastic processes mentioned here are not restricted to the usual AR, MA, and ARMA processes. A wide variety of stochastic processes, including non-Gaussian linear processes, long-memory processes, nonlinear processes, non-ergodic processes and diffusion processes are described. The authors discuss estimation and testing theory and many other relevant statistical methods and techniques.
Preface......Page 7
Contents......Page 9
1 Introduction......Page 15
2 Stationary Processes......Page 59
3 ARMA Models......Page 97
4 Spectral Analysis......Page 125
5 Modeling and Forecastingwith ARMA Processes......Page 151
6 Nonstationary and SeasonalTime Series Models......Page 193
7 Multivariate Time Series......Page 237
8 State-Space Models......Page 273
9 Forecasting Techniques......Page 331
10Further Topics......Page 345
A Random Variables andProbability Distributions......Page 383
B Statistical Complements......Page 397
C Mean Square Convergence......Page 407
D An ITSM Tutorial......Page 409
References......Page 437
Index......Page 443
ALSO AVAILABLE FROM SPRINGER!......Page 449