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 Selfsimilar processes

دانلود کتاب فرایندهای خودمحور

مشخصات کتاب

Selfsimilar processes

ویرایش:  
نویسندگان: Embrechts P.,  Maejima M.  
سری:  
ISBN (شابک) : 0691096279 
ناشر: PUP 
سال نشر: 2002 
تعداد صفحات: 124 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 606 کیلوبایت

قیمت کتاب (تومان) : 49,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 6

در صورت تبدیل فایل کتاب Selfsimilar processes 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 فرایندهای خودمحور 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 فرایندهای خودمحور

مدل‌سازی وابستگی تصادفی برای درک سیستم‌های تصادفی در حال تکامل در زمان اساسی است. هنگامی که از طریق همبستگی خطی اندازه‌گیری می‌شود، بسیاری از این سیستم‌ها کاهش همبستگی آهسته را نشان می‌دهند - پدیده‌ای که اغلب به عنوان وابستگی طولانی مدت یا طولانی‌مدت شناخته می‌شود. نمونه ای از این بازده مطلق داده های حقوق صاحبان سهام در امور مالی است. فرآیندهای تصادفی خود مشابه (به ویژه حرکت براونی کسری) مدت‌هاست که به عنوان وسیله‌ای برای مدل‌سازی این رفتار فرض شده‌اند، و مفهوم خود شباهت برای یک فرآیند تصادفی اکنون بسیار مفید است. خود شباهت به برابری در توزیع بین فرآیند تحت یک تغییر زمانی خطی و فرآیند مشابهی که به درستی در فضا مقیاس بندی شده است، ترجمه می شود، یک ویژگی مقیاس بندی ساده که یک نظریه بسیار غنی با کاربردهای دور را به همراه دارد. پس از مروری کوتاه تاریخی، این کتاب وضعیت فعلی دانش در مورد فرآیندهای مشابه و کاربردهای آنها را تشریح می کند. مفاهیم، تعاریف و ویژگی‌های اساسی مورد تأکید قرار می‌گیرند و به خواننده نقشه راهی از قلمرو خود شباهت می‌دهند که امکان کاوش بیشتر را فراهم می‌کند. موضوعاتی مانند تئوری حد غیرمرکزی، وابستگی دوربرد، و خود شباهت عملگر در کنار تخمین آماری، شبیه‌سازی، ویژگی‌های مسیر نمونه و معادلات دیفرانسیل تصادفی که توسط فرآیندهای خود مشابه هدایت می‌شوند، پوشش داده می‌شوند. مراجع متعدد خواننده را به برنامه های فعلی راهنمایی می کند. اگرچه متن از زبان ریاضی نظریه فرآیندهای تصادفی استفاده می‌کند، اما محققان و کاربران نهایی از رشته‌های متنوعی مانند ریاضیات، فیزیک، زیست‌شناسی، مخابرات، مالی، اقتصاد سنجی و علوم محیطی آن را نقطه ورود ایده‌آلی برای مطالعه موضوعات قبلی می‌دانند. نظریه و کاربردهای گسترده خود شباهت.

توضیحاتی درمورد کتاب به خارجی

The modeling of stochastic dependence is fundamental for understanding random systems evolving in time. When measured through linear correlation, many of these systems exhibit a slow correlation decay--a phenomenon often referred to as long-memory or long-range dependence. An example of this is the absolute returns of equity data in finance. Selfsimilar stochastic processes (particularly fractional Brownian motion) have long been postulated as a means to model this behavior, and the concept of selfsimilarity for a stochastic process is now proving to be extraordinarily useful. Selfsimilarity translates into the equality in distribution between the process under a linear time change and the same process properly scaled in space, a simple scaling property that yields a remarkably rich theory with far-flung applications. After a short historical overview, this book describes the current state of knowledge about selfsimilar processes and their applications. Concepts, definitions and basic properties are emphasized, giving the reader a road map of the realm of selfsimilarity that allows for further exploration. Such topics as noncentral limit theory, long-range dependence, and operator selfsimilarity are covered alongside statistical estimation, simulation, sample path properties, and stochastic differential equations driven by selfsimilar processes. Numerous references point the reader to current applications. Though the text uses the mathematical language of the theory of stochastic processes, researchers and end-users from such diverse fields as mathematics, physics, biology, telecommunications, finance, econometrics, and environmental science will find it an ideal entry point for studying the already extensive theory and applications of selfsimilarity.

فهرست مطالب

Contents......Page 7
Preface......Page 9
1.1 Definition of Selfsimilarity......Page 11
1.2 Brownian Motion......Page 14
1.3 Fractional Brownian Motion......Page 15
1.4 Stable Lévy Processes......Page 19
1.5 Lamperti Transformation......Page 21
2.1 Fundamental Limit Theorem......Page 23
2.2 Fixed Points of Renormalization Groups......Page 25
2.3 Limit Theorems (I)......Page 26
3.1 Simple Properties......Page 29
3.2 Long-Range Dependence (I)......Page 31
3.3 Selfsimilar Processes with Finite Variances......Page 32
3.4 Limit Theorems (II)......Page 34
3.5 Stable Processes......Page 37
3.6 Selfsimilar Processes with Infinite Variance......Page 39
3.7 Long-Range Dependence (II)......Page 44
3.8 Limit Theorems (III)......Page 47
4.1 Sample Path Properties......Page 53
4.2 Fractional Brownian Motion for H ≠ 1/2 is not a Semimartingale......Page 55
4.3 Stochastic Integrals with respect to Fractional Brownian Motion......Page 57
4.4.1 Distribution of the Maximum of Fractional Brownian Motion......Page 61
4.4.2 Occupation Time of Fractional Brownian Motion......Page 62
4.4.3 Multiple Points of Trajectories of Fractional Brownian Motion......Page 63
4.4.4 Large Increments of Fractional Brownian Motion......Page 64
5.1 K. Sato’s Theorem......Page 67
5.2 Getoor’s Example......Page 70
5.3 Kawazu’s Example......Page 71
5.4 A Gaussian Selfsimilar Process with Independent Increments......Page 72
6.1 Classification......Page 73
6.2 Local Time and Nowhere Differentiability......Page 74
7.2 Simulation of Stochastic Processes......Page 77
7.3 Simulating Lévy Jump Processes......Page 79
7.4 Simulating Fractional Brownian Motion......Page 81
7.5 Simulating General Selfsimilar Processes......Page 87
8.1 Heuristic Approaches......Page 91
8.1.1 The R/S-Statistic......Page 92
8.1.2 The Correlogram......Page 95
8.2 Maximum Likelihood Methods......Page 97
8.3 Further Techniques......Page 100
9.1 Operator Selfsimilar Processes......Page 103
9.2 Semi-Selfsimilar Processes......Page 105
References......Page 111
L......Page 119
S......Page 120
W......Page 121