دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Multivariate time series analysis and applications
دانلود کتاب تحلیل و کاربردهای سری زمانی چند متغیره
مشخصات کتاب
Multivariate time series analysis and applications
ویرایش:
نویسندگان: WEI
سری:
ISBN (شابک) : 9781119502852, 1119502853
ناشر: JOHN WILEY
سال نشر: 2020
تعداد صفحات: 528
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 16 مگابایت
قیمت کتاب (تومان) : 32,000
در صورت تبدیل فایل کتاب Multivariate time series analysis and applications 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 تحلیل و کاربردهای سری زمانی چند متغیره 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 تحلیل و کاربردهای سری زمانی چند متغیره
راهنمای ضروری در مورد سری های زمانی چند متغیره با ابعاد بالا شامل تمام آخرین موضوعات از یکی از متخصصان برجسته در این زمینه پس از کتاب بسیار موفق و بسیار تحسین شده، تجزیه و تحلیل سری های زمانی - روش های تک متغیره و چند متغیره، این کار جدید توسط ویلیام دبلیو اس. وی روی سری های زمانی چند متغیره با ابعاد بالا تمرکز دارد و با سری های زمانی تجربی با ابعاد بالا نشان داده شده است. با شروع مفاهیم اساسی و مسائل تحلیل سری های زمانی چند متغیره، این کتاب موضوعات بسیاری را پوشش می دهد که در کتاب های سری زمانی چند متغیره عمومی یافت نمی شوند. برخی از اینها اندازه گیری های مکرر، مدل سازی سری فضا-زمان و کاهش ابعاد هستند. این کتاب همچنین به مدل‌های سری‌های زمانی برداری، مدل‌های رگرسیون سری زمانی چند متغیره و تحلیل مؤلفه‌های اصلی سری‌های زمانی چند متغیره می‌پردازد. علاوه بر این، اطلاعاتی در مورد تحلیل عاملی سری های زمانی چند متغیره، مدل های GARCH چند متغیره، و تحلیل طیفی چند متغیره سری های زمانی در اختیار خوانندگان قرار می دهد. با توسعه رایانه ها و اینترنت، ما پتانسیل اکتشاف داده ها را افزایش داده ایم. در چند سال آینده، ابعاد به یک مشکل جدی تر تبدیل خواهد شد. تجزیه و تحلیل سری های زمانی چند متغیره و کاربردهای آن راه حل های اولیه ای را ارائه می دهد که ممکن است توسعه نرم افزارهای مرتبط مورد نیاز برای تحلیل سری های زمانی چند متغیره با ابعاد بالا را تشویق کند. نوشته شده توسط نویسنده پرفروش و متخصص برجسته در این زمینه موضوعاتی را پوشش می دهد که هنوز در کتاب های چند متغیره فعلی بررسی نشده اند ویژگی های مطالب تست شده در کلاس درس که به طور خاص برای دوره های سری زمانی نوشته شده است تجزیه و تحلیل سری های زمانی چند متغیره و کاربردهای آن برای یک دوره تحلیل سری زمانی پیشرفته طراحی شده است. برای هر کسی که تجزیه و تحلیل سری های زمانی مطالعه می کند ضروری است و همچنین برای دانشجویان اقتصاد، آمار زیستی و مهندسی مرتبط است. - تحلیل مولفه‌های اصلی سری‌های زمانی چند متغیره - تحلیل عاملی سری‌های زمانی چند متغیره - مدل‌های گارچ چند متغیره - اندازه‌گیری‌های مکرر - مدل‌های سری فضا-زمان - تحلیل طیفی چند متغیره سری‌های زمانی - کاهش ابعاد در سری‌های زمانی چند متغیره با ابعاد بالا تحلیل و بررسی.
توضیحاتی درمورد کتاب به خارجی
An essential guide on high dimensional multivariate time series including all the latest topics from one of the leading experts in the field Following the highly successful and much lauded book, Time Series Analysis-Univariate and Multivariate Methods , this new work by William W.S. Wei focuses on high dimensional multivariate time series, and is illustrated with numerous high dimensional empirical time series. Beginning with the fundamentalconcepts and issues of multivariate time series analysis,this book covers many topics that are not found in general multivariate time series books. Some of these are repeated measurements, space-time series modelling, and dimension reduction. The book also looks at vector time series models, multivariate time series regression models, and principle component analysis of multivariate time series. Additionally, it provides readers with information on factor analysis of multivariate time series, multivariate GARCH models, and multivariate spectral analysis of time series. With the development of computers and the internet, we have increased potential for data exploration. In the next few years, dimension will become a more serious problem. Multivariate Time Series Analysis and its Applications provides some initial solutions, which may encourage the development of related software needed for the high dimensional multivariate time series analysis. Written by bestselling author and leading expert in the field Covers topics not yet explored in current multivariate books Features classroom tested material Written specifically for time series courses Multivariate Time Series Analysis and its Applications is designed for an advanced time series analysis course. It is a must-have for anyone studying time series analysis and is also relevant for students in economics, biostatistics, and engineering.;Fundamental concepts and issues of multivariate time series analysis -- Vector time series models -- Multivariate time series regression models -- Principle component analysis of multivariate time series -- Factor analysis of multivariate time series -- Multivariate garch models -- Repeated measurements -- Space-time series models -- Multivariate spectral analysis of time series -- Dimension reduction in high dimensional multivariate time series analysis.
فهرست مطالب
Cover......Page 1
WILEY SERIES IN PROBABILITY AND STATISTICS......Page 3
Multivariate Time Series Analysisand Applications......Page 4
© 2019......Page 5
Dedication......Page 6
Contents......Page 7
About the author......Page 13
Preface......Page 14
About the companion website......Page 16
1 Fundamental concepts and issues inmultivariate time series analysis......Page 17
2 Vector time series models......Page 26
3 Multivariate time series regressionmodels......Page 120
4 Principle component analysis ofmultivariate time series......Page 154
5 Factor analysis of multivariatetime series......Page 177
6 Multivariate GARCH models......Page 217
7 Repeated measurements......Page 250
8 Space–time series models......Page 273
9 Multivariate spectral analysis oftime series......Page 312
10 Dimension reduction in highdimensionalmultivariate timeseries analysis......Page 448
Author index......Page 520
Subject index......Page 525
