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
ویرایش:
نویسندگان: D. Bosq
سری:
ISBN (شابک) : 0387947132, 9780387947136
ناشر: Springer-Verlag
سال نشر: 1996
تعداد صفحات: 174
زبان: English
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
در صورت تبدیل فایل کتاب Nonparametric Statistics for Stochastic Processes: Estimation and Prediction (Lecture Notes in Statistics, Vol 110) 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 آمار ناپارامتریک برای فرآیندهای تصادفی: تخمین و پیش بینی (یادداشت های سخنرانی در آمار، جلد 110) 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.
این کتاب یک درمان دقیق ریاضی از نظریه تخمین و پیشبینی ناپارامتریک برای فرآیندهای تصادفی ارائه میکند. زمان گسسته و زمان پیوسته را مورد بحث قرار می دهد و تاکید بر روش های هسته است. چندین نتیجه جدید در مورد نرخ همگرایی بهینه و فوق بهینه ارائه شده است. نحوه پیاده سازی روش به تفصیل مورد بحث قرار گرفته و چندین نتیجه عددی ارائه شده است. این کتاب برای متخصصان آمار ریاضی و کسانی که مایل به استفاده از این روش ها در مسائل عملی مربوط به تجزیه و تحلیل سری های زمانی هستند، جالب خواهد بود.
This book provides a mathematically rigorous treatment of the theory of nonparametric estimation and prediction for stochastic processes. It discusses discrete time and continuous time, and the emphasis is on the kernel methods. Several new results are presented concerning optimal and superoptimal convergence rates. How to implement the method is discussed in detail and several numerical results are presented. This book will be of interest to specialists in mathematical statistics and to those who wish to apply these methods to practical problems involving time series analysis.
Front Matter....Pages i-xvi
Synopsis....Pages 1-15
Inequalities for mixing processes....Pages 17-39
Density estimation for discrete time processes....Pages 41-65
Regression estimation and prediction for discrete time processes....Pages 67-87
Kernel density estimation for continuous time processes....Pages 89-128
Regression estimation and prediction in continuous time....Pages 129-144
The local time density estimator....Pages 145-167
Implementation of nonparametric method and numerical applications....Pages 169-195
Back Matter....Pages 197-212