مشخصات کتاب

Recent Advances in Time Series Forecasting

ویرایش: [1 ed.] 
نویسندگان: Dinesh C.S. Bisht (editor),  Mangey Ram (editor)  
سری: Mathematical Engineering, Manufacturing, and Management Sciences 
ISBN (شابک) : 0367607751, 9780367607753 
ناشر: CRC Press 
سال نشر: 2021 
تعداد صفحات: 238
[239] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 20 Mb 

در صورت تبدیل فایل کتاب Recent Advances in Time Series 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 پیشرفت های اخیر در پیش بینی سری های زمانی 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 پیشرفت های اخیر در پیش بینی سری های زمانی

پیش بینی های آینده همیشه یک موضوع مورد علاقه است. تخمین‌های دقیق در بسیاری از فعالیت‌ها بسیار مهم هستند، زیرا خطاهای پیش‌بینی می‌تواند منجر به زیان مالی بزرگی شود. تجزیه و تحلیل متوالی داده ها و اطلاعات جمع آوری شده از گذشته تا حال، تحلیل سری زمانی فراخوانی است. این کتاب پیشرفت های اخیر در پیش بینی سری های زمانی را پوشش می دهد. این کتاب شامل کاربردهای نظری و همچنین کاربردهای اخیر تحلیل سری های زمانی است. بر روی تکنیک‌های اخیر مورد استفاده تمرکز می‌کند، ترکیبی از روش‌شناسی و کاربردها را مورد بحث قرار می‌دهد، ابزارهای سنتی و پیشرفته، برنامه‌های کاربردی جدید را ارائه می‌کند و شکاف‌های دانش در کاربردهای مهندسی را شناسایی می‌کند. هدف این کتاب دانشمندان، محققین، دانشجویان کارشناسی ارشد و مهندسین در زمینه های مدیریت زنجیره تامین، تولید، برنامه ریزی موجودی و کنترل کیفیت آماری است.

توضیحاتی درمورد کتاب به خارجی

Future predictions are always a topic of interest. Precise estimates are crucial in many activities as forecasting errors can lead to big financial loss. The sequential analysis of data and information gathered from past to present is call time series analysis. This book covers the recent advancements in time series forecasting. The book includes theoretical as well as recent applications of time series analysis. It focuses on the recent techniques used, discusses a combination of methodology and applications, presents traditional and advanced tools, new applications, and identifies the gaps in knowledge in engineering applications. This book is aimed at scientists, researchers, postgraduate students and engineers in the areas of supply chain management, production, inventory planning, and statistical quality control.

فهرست مطالب

Cover
Half Title
Series Page
Title Page
Copyright Page
Contents
Preface
Editors
1. Time Series Econometrics: Some Initial Understanding
	1.1 Introduction
		1.1.1  Learning Objectives
	1.2 Time Series, What Is It?
		1.2.1  Four Components of a Time Series
		1.2.2  Trend Component
		1.2.3  Cyclical Component
		1.2.4  Seasonal Component
		1.2.5  Irregular Component
		1.2.6  Time Series in Econometric Analysis
	1.3 Stationary Stochastic Processes
	1.4 Random Walk Phenomenon in Time Series
		1.4.2  Random Walk with Drift
		1.4.3  Unit Root Stochastic Process
	1.5 Spurious Regression in Time Series Analysis
	1.6 Need for Stationary Data
	Note
	References
2. Time Series Analysis for Modeling the Transmission of Dengue Disease
	2.1 Introduction
	2.2 Theory and Applications
		2.2.1 Autoregressive Integrated Moving Average (ARIMA) Method
			2.2.1.1 Application of ARIMA/SARIMA Modeling
		2.2.2 Autoregressive Integrated Moving Average with Explanatory Variables (ARIMAX)
			2.2.2.1 Application of ARIMAX/SARIMAX
		2.2.3 Exponential Smoothing
			2.2.3.1 Simple Exponential Smoothing (SES)
			2.2.3.2 Double Exponential Smoothing (DES)
			2.2.3.3 Holt-Winters Seasonal Smoothing
			2.2.3.4 Application of Exponential Smoothing Method
		2.2.4 Exponential Smoothing with Explanatory Variables (ETSX)
			2.2.4.1 Application of Exponential Smoothing with Explanatory Variables
		2.2.5 Alpha-Sutte Modeling
			2.2.5.1 Applications of Alpha-Sutte Modeling
		2.2.6 Time Series Decomposition
			2.2.6.1 Application of Time Series Decomposition
		2.2.7 Combining Modeling Approaches
			2.2.7.1 Application of Combining Modeling Approaches
	2.3 Conclusion and Discussion
	References
3. Time Series Analysis of COVID-19 Confirmed Cases in Select Countries
	3.1 Introduction
		3.1.1 Emergence of Coronavirus Disease 2019 (COVID-19)
	3.2 Literature Review
	3.3 COVID-19 Time Series Analysis
		3.3.1 Fresh COVID-19 Cases
	3.4 Methodology
	3.5 Results and Discussion
		3.5.1 Cross-correlation between New Confirmed COVID-19 Cases of Different Countries
			3.5.1.1 Using the 25-Day Daily  New COVID-19 Cases Since 100 New Cases Were First Reported (Growth Curve)
			3.5.1.2 Using the New COVID-19 Cases Since 100 New Cases were First Reported to the Day when it Fell Back to Less than 100 Cases (Growth + Decay)
		3.5.2 Dynamic Time Warping
	3.6 Conclusions
	References
4. Bayesian Estimation of Bonferroni Curve and Zenga Curve in the Case of Dagum Distribution
	4.1 Introduction
	4.2 Measuring Inequality Curves using Dagum Distribution
	4.3 Bayesian Estimator of Point Measure of Bonferroni Curve BD(u), 0 

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Language Activities for Teenagers (Cambridge Handbooks for Language Teachers)

دانلود کتاب Quick & easy Macintosh guide for MS-DOS users

دانلود کتاب Recapturing NASA's aeronautics flight research capabilities

دانلود کتاب Fundamentals Of Machine Tools [Mil TM]

دانلود کتاب Spinoza: A Guide for the Perplexed (Guides for the Perplexed)