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 Smoothness Priors Analysis of Time Series

دانلود کتاب Smoothness Priors تجزیه و تحلیل سری های زمانی

Smoothness Priors Analysis of Time Series

مشخصات کتاب

Smoothness Priors Analysis of Time Series

ویرایش: [1 ed.] 
نویسندگان:   
سری: Lecture Notes in Statistics 116 
ISBN (شابک) : 9780387948195, 9781461207610 
ناشر: Springer-Verlag New York 
سال نشر: 1996 
تعداد صفحات: 280
[264] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 9 Mb 

قیمت کتاب (تومان) : 44,000

در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 8


در صورت تبدیل فایل کتاب Smoothness Priors Analysis of Time Series 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 Smoothness Priors تجزیه و تحلیل 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 Smoothness Priors تجزیه و تحلیل سری های زمانی



تجزیه و تحلیل قبلی های همواری سری های زمانی به برخی از مشکلات مدل سازی سری های زمانی ثابت و غیرایستا عمدتاً از دیدگاه فضای حالت رگرسیون تصادفی بیزی \"پیش های همواری\" می پردازد. توزیع های قبلی بر روی ضرایب مدل توسط فراپارامترها پارامتر می شوند. به حداکثر رساندن احتمال تعداد کمی از فراپارامترها، مدل‌سازی قوی یک سری زمانی با ساختار نسبتاً پیچیده و تعداد بسیار زیادی از پارامترهای استنباط‌شده ضمنی را ممکن می‌سازد. ایده های آماری مهم در پیشین های همواری، احتمال مدل بیزی و استفاده از احتمال به عنوان معیار خوبی برازش مدل است. تاکید بر رویکرد فضای حالت کلی است که در آن توزیع‌های شرطی بازگشتی برای پیش‌بینی، فیلتر کردن و هموارسازی با استفاده از انواع روش‌های غیراستاندارد از جمله یکپارچه‌سازی عددی، فرمول هموارسازی توزیع مخلوط گاوسی-دو فیلتر و مونت کارلو تحقق می‌یابد. روش ردیابی مسیر ذرات\" که در آن توزیع ها با تحقق های زیادی تقریب می شوند. روش‌ها برای مدل‌سازی سری‌های زمانی با ساختارهای پیچیده قابل استفاده هستند.


توضیحاتی درمورد کتاب به خارجی

Smoothness Priors Analysis of Time Series addresses some of the problems of modeling stationary and nonstationary time series primarily from a Bayesian stochastic regression "smoothness priors" state space point of view. Prior distributions on model coefficients are parametrized by hyperparameters. Maximizing the likelihood of a small number of hyperparameters permits the robust modeling of a time series with relatively complex structure and a very large number of implicitly inferred parameters. The critical statistical ideas in smoothness priors are the likelihood of the Bayesian model and the use of likelihood as a measure of the goodness of fit of the model. The emphasis is on a general state space approach in which the recursive conditional distributions for prediction, filtering, and smoothing are realized using a variety of nonstandard methods including numerical integration, a Gaussian mixture distribution-two filter smoothing formula, and a Monte Carlo "particle-path tracing" method in which the distributions are approximated by many realizations. The methods are applicable for modeling time series with complex structures.





نظرات کاربران