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: Casals. Jose
سری: Monographs on statistics and applied probability (Series) 149
ISBN (شابک) : 9781482219609, 1482219603
ناشر: CRC Press
سال نشر: 2016
تعداد صفحات: 290
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 8 مگابایت
در صورت تبدیل فایل کتاب State-space methods for time series analysis : theory, applications and software 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 روشهای فضای حالت برای تحلیل سریهای زمانی: نظریه، برنامهها و نرمافزار 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.
رویکرد فضای حالت یک چارچوب رسمی را فراهم می کند که در آن هر نتیجه یا رویه ای که برای یک مدل پایه ایجاد شده است، می تواند به طور یکپارچه در فرمول استاندارد نوشته شده به شکل فضای حالت اعمال شود. علاوه بر این، میتواند با تلاش معقول موقعیتهای غیراستاندارد، مانند خطاهای مشاهده، محدودیتهای تجمع، یا مقادیر از دست رفته در نمونه را تطبیق دهد. با بررسی مزایای این رویکرد، روشهای فضایی حالت برای تجزیه و تحلیل سریهای زمانی: نظریه، برنامهها و نرمافزار روشهای محاسباتی زیادی را ارائه میکنند که میتوانند برای یک مدل خطی از قبل مشخصشده در فرم فضای حالت اعمال شوند. پس از بحث در مورد فرمولبندی مدل فضای حالت، این کتاب انعطافپذیری نمایش فضای حالت را نشان میدهد و الگوریتمهای برآورد حالت اصلی را پوشش میدهد: فیلتر کردن و هموارسازی. سپس نشان می دهد که چگونه می توان احتمال گاوسی را برای ضرایب مجهول در ماتریس های فضای حالت یک مدل مشخص قبل از معرفی روش های زیرفضا و کاربرد آنها محاسبه کرد. همچنین استخراج سیگنال را مورد بحث قرار میدهد، دو الگوریتم را برای به دست آوردن ماتریسهای VARMAX مربوط به هر مدل فضای حالت خطی توصیف میکند، و به چندین موضوع مربوط به تجمع و تفکیک سریهای زمانی میپردازد. این کتاب با گسترش مقطعی به فرمول کلاسیک فضای حالت به منظور تطبیق دادههای طولی یا تابلویی به پایان میرسد. دادههای از دست رفته در اینجا یک اتفاق رایج است، و کتاب روشهای انتساب لازم برای درمان فقدان در متغیرهای برونزا و درونزا را توضیح میدهد. منبع وب جعبه ابزار E4 MATLAB® نویسندگان تمامی رویه های محاسباتی، توابع اداری و تحلیلی و مواد مرتبط را برای تحلیل سری های زمانی ارائه می دهد. این ابزار نرمافزاری انعطافپذیر، قدرتمند و رایگان خوانندگان را قادر میسازد تا مثالهای عملی را در متن تکرار کنند و رویهها را در کار خود اعمال کنند.
The state-space approach provides a formal framework where any result or procedure developed for a basic model can be seamlessly applied to a standard formulation written in state-space form. Moreover, it can accommodate with a reasonable effort nonstandard situations, such as observation errors, aggregation constraints, or missing in-sample values. Exploring the advantages of this approach, State-Space Methods for Time Series Analysis: Theory, Applications and Software presents many computational procedures that can be applied to a previously specified linear model in state-space form. After discussing the formulation of the state-space model, the book illustrates the flexibility of the state-space representation and covers the main state estimation algorithms: filtering and smoothing. It then shows how to compute the Gaussian likelihood for unknown coefficients in the state-space matrices of a given model before introducing subspace methods and their application. It also discusses signal extraction, describes two algorithms to obtain the VARMAX matrices corresponding to any linear state-space model, and addresses several issues relating to the aggregation and disaggregation of time series. The book concludes with a cross-sectional extension to the classical state-space formulation in order to accommodate longitudinal or panel data. Missing data is a common occurrence here, and the book explains imputation procedures necessary to treat missingness in both exogenous and endogenous variables. Web Resource The authors’ E4 MATLAB® toolbox offers all the computational procedures, administrative and analytical functions, and related materials for time series analysis. This flexible, powerful, and free software tool enables readers to replicate the practical examples in the text and apply the procedures to their own work.
Content: 1. Introduction --
2. Linear state-space models --
3. Model transformations --
4. Filtering and smoothing --
5. Likelihood computation for fixed-coefficients models --
6. The likelihood of models with varying parameters --
7. Subspace methods --
8. Signal extraction --
9. The VARMAX representation of a state-space model --
10. Aggregation and disaggregation of time series --
11. Cross-sectional extension : longitudinal and panel data.