Non-Linear Time Series: Extreme Events and Integer Value Problems

این کتاب ترکیبی مفید از ابزارهای احتمالی و آماری را برای تجزیه و تحلیل سری های زمانی غیرخطی ارائه می دهد. ویژگی‌های کلیدی کتاب شامل مطالعه رفتار اکستریم سری‌های زمانی غیرخطی و فهرستی جامع از مدل‌های غیرخطی است که جنبه‌های مختلف غیرخطی را مورد توجه قرار می‌دهد. چندین روش استنتاجی، از جمله روش‌های شبه احتمال، روش‌های زنجیره‌ای مارکوف مونت کارلو متوالی و فیلترهای ذرات، نیز گنجانده شده‌اند تا نمای کلی از ابزارهای موجود برای تخمین پارامتر برای مدل‌های غیرخطی ارائه شود. فصلی در مورد مدل‌های سری زمانی اعداد صحیح بر اساس چندین عملیات نازک‌سازی، که تمام پیشرفت‌های اخیر در این زمینه را گرد هم می‌آورد، نیز گنجانده شده است.

خوانندگان باید یک دوره قبلی در مورد سری‌های زمانی خطی و یک دوره خوب شرکت کرده باشند. درک روش های استنتاجی مبتنی بر شبیه سازی توصیه می شود. این کتاب منبع ارزشمندی برای دانشجویان سال دوم تحصیلات تکمیلی و محققان در آمار و سایر زمینه‌های علمی است که به درک اولیه سری‌های زمانی غیرخطی نیاز دارند.

This book offers a useful combination of probabilistic and statistical tools for analyzing nonlinear time series. Key features of the book include a study of the extremal behavior of nonlinear time series and a comprehensive list of nonlinear models that address different aspects of nonlinearity. Several inferential methods, including quasi likelihood methods, sequential Markov Chain Monte Carlo Methods and particle filters, are also included so as to provide an overall view of the available tools for parameter estimation for nonlinear models. A chapter on integer time series models based on several thinning operations, which brings together all recent advances made in this area, is also included.

Readers should have attended a prior course on linear time series, and a good grasp of simulation-based inferential methods is recommended. This book offers a valuable resource for second-year graduate students and researchers in statistics and other scientific areas who need a basic understanding of nonlinear time series.