ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Nonlinear Time Series Analysis with R

دانلود کتاب تحلیل سری زمانی غیرخطی با R

Nonlinear Time Series Analysis with R

مشخصات کتاب

Nonlinear Time Series Analysis with R

ویرایش: 1 
نویسندگان: , ,   
سری:  
ISBN (شابک) : 0198782934, 9780198782933 
ناشر: Oxford University Press 
سال نشر: 2017 
تعداد صفحات: 371 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 31 مگابایت 

قیمت کتاب (تومان) : 38,000



کلمات کلیدی مربوط به کتاب تحلیل سری زمانی غیرخطی با R: برنامه نویسی خطی، کاربردی، ریاضیات، علوم و ریاضی، احتمال و آمار، کاربردی، ریاضیات، علوم و ریاضیات، فیزیک ریاضی، فیزیک، علوم و ریاضیات، آمار، ریاضیات، علوم و ریاضیات، جدید، استفاده شده و کتاب های ویژه، اجاره ای فیزیک، علوم و ریاضیات، کتاب های درسی جدید، مستعمل و اجاره ای، بوتیک تخصصی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 2


در صورت تبدیل فایل کتاب Nonlinear Time Series Analysis with R 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 سری زمانی غیرخطی با R 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 سری زمانی غیرخطی با R

تجزیه و تحلیل سری‌های زمانی غیرخطی با R یک راهنمای عملی برای تکنیک‌های تجربی در حال ظهور ارائه می‌دهد که به پزشکان امکان می‌دهد تشخیص دهند که داده‌های بسیار نوسانی و ظاهری تصادفی به احتمال زیاد توسط نیروهای دینامیکی تصادفی یا قطعی هدایت می‌شوند. این به جمع صداهایی می پیوندد که توصیه می کنند "آشنایی با داده های خود" را به عنوان یک مرحله شواهد اولیه ضروری در مدل سازی توصیه می کنند. سری های زمانی اغلب با یک ظاهر تصادفی بسیار نوسان دارند. نوسانات مشاهده شده معمولاً به شوک های تصادفی اگزوژن به سیستم های دنیای واقعی پایدار نسبت داده می شود. با این حال، پیشرفت‌ها در دینامیک غیرخطی احتمال دیگری را ایجاد می‌کند: دینامیک بسیار پیچیده می‌تواند به طور درون‌زا از مدل‌های غیرخطی قطعی به طرز شگفت‌آوری پدید آید. تجزیه و تحلیل سری زمانی غیرخطی (NLTS) مجموعه ای از ابزارهای تجربی است که برای کمک به پزشکان طراحی شده است تا تشخیص دهند که آیا دینامیک تصادفی یا قطعی به احتمال زیاد پیچیدگی مشاهده شده را ایجاد می کند. پزشکان به «کارآگاهان داده» تبدیل می‌شوند و شواهد تجربی سختی را که از رویکرد مدل‌سازی آن‌ها پشتیبانی می‌کند، جمع‌آوری می‌کنند.

این کتاب برای متخصصان و دانشجویان فارغ‌التحصیل در رشته‌های مهندسی، بیوفیزیک و علوم اجتماعی هدف‌گذاری شده است. اهداف اصلی آن کمک به غیر ریاضیدانان - با دانش محدود از دینامیک غیرخطی - برای عملیاتی شدن در NLTS است. و از این طریق راه را برای پذیرش NLTS در جعبه ابزار تجربی مرسوم و دروس اصلی رشته های هدف هموار می کند. مطابق با گرایش‌های مدرن در آموزش دانشگاه، این کتاب با آزمایش‌های رایانه‌ای عملی در کد R، خوانندگان را به یادگیرندگان فعال تبدیل می‌کند که آنها را از طریق روش‌های NLTS هدایت می‌کند و به آنها کمک می‌کند تا منطق زیربنایی را درک کنند. کد رایانه با جزئیات توضیح داده شده است تا خوانندگان بتوانند آن را برای استفاده در کار خود تنظیم کنند. این کتاب همچنین چارچوبی صریح را در اختیار خوانندگان قرار می دهد - فشرده شده از رویه های تجربی صحیح توصیه شده در ادبیات - که یک روش گام به گام برای استفاده از NLTS در تشخیص داده های دنیای واقعی را شرح می دهد.


توضیحاتی درمورد کتاب به خارجی

Nonlinear Time Series Analysis with R provides a practical guide to emerging empirical techniques allowing practitioners to diagnose whether highly fluctuating and random appearing data are most likely driven by random or deterministic dynamic forces. It joins the chorus of voices recommending 'getting to know your data' as an essential preliminary evidentiary step in modelling. Time series are often highly fluctuating with a random appearance. Observed volatility is commonly attributed to exogenous random shocks to stable real-world systems. However, breakthroughs in nonlinear dynamics raise another possibility: highly complex dynamics can emerge endogenously from astoundingly parsimonious deterministic nonlinear models. Nonlinear Time Series Analysis (NLTS) is a collection of empirical tools designed to aid practitioners detect whether stochastic or deterministic dynamics most likely drive observed complexity. Practitioners become 'data detectives' accumulating hard empirical evidence supporting their modelling approach.

This book is targeted to professionals and graduate students in engineering and the biophysical and social sciences. Its major objectives are to help non-mathematicians--with limited knowledge of nonlinear dynamics--to become operational in NLTS; and in this way to pave the way for NLTS to be adopted in the conventional empirical toolbox and core coursework of the targeted disciplines. Consistent with modern trends in university instruction, the book makes readers active learners with hands-on computer experiments in R code directing them through NLTS methods and helping them understand the underlying logic. The computer code is explained in detail so that readers can adjust it for use in their own work. The book also provides readers with an explicit framework--condensed from sound empirical practices recommended in the literature--that details a step-by-step procedure for applying NLTS in real-world data diagnostics.





نظرات کاربران