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 Time Series Analysis and its Applications with R Examples

دانلود کتاب تجزیه و تحلیل سری های زمانی و کاربردهای آن با مثال های R

Time Series Analysis and its Applications with R Examples

مشخصات کتاب

Time Series Analysis and its Applications with R Examples

ویرایش: [4 ed.] 
نویسندگان: ,   
سری:  
ISBN (شابک) : 9783319524528 
ناشر: Springer 
سال نشر: 2017 
تعداد صفحات: 564 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 10 Mb 

قیمت کتاب (تومان) : 65,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 5


در صورت تبدیل فایل کتاب Time Series Analysis and its Applications with R Examples 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 تجزیه و تحلیل سری های زمانی و کاربردهای آن با مثال های R 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 تجزیه و تحلیل سری های زمانی و کاربردهای آن با مثال های R

ویرایش چهارم این کتاب درسی پرطرفدار فارغ التحصیل، مانند نسخه های پیشین خود، درمان متوازن و جامعی از هر دو روش حوزه زمان و فرکانس با نظریه همراه ارائه می دهد. مثال‌های متعددی با استفاده از داده‌های بی‌اهمیت، راه‌حل‌هایی را برای مشکلاتی مانند کشف تغییرات آب و هوایی طبیعی و انسانی، ارزیابی آزمایش‌های درک درد با استفاده از تصویربرداری تشدید مغناطیسی کاربردی، و نظارت بر معاهده ممنوعیت آزمایش هسته‌ای نشان می‌دهند. این کتاب به عنوان یک کتاب درسی برای دانشجویان مقطع کارشناسی ارشد در رشته های فیزیکی، زیستی و علوم اجتماعی و به عنوان متن مقطع کارشناسی ارشد در آمار طراحی شده است. برخی از بخش ها نیز ممکن است به عنوان یک دوره مقدماتی در مقطع کارشناسی خدمت کنند. تئوری و روش شناسی برای ارائه در سطوح مختلف از هم جدا شده اند. علاوه بر پوشش روش‌های کلاسیک رگرسیون سری‌های زمانی، مدل‌های ARIMA، تحلیل طیفی و مدل‌های فضای حالت، این متن شامل پیشرفت‌های مدرن از جمله تحلیل سری‌های زمانی طبقه‌ای، روش‌های طیفی چند متغیره، سری‌های حافظه بلند، مدل‌های غیرخطی، تکنیک‌های نمونه‌گیری مجدد، مدل‌های GARCH می‌شود. مدل‌های ARMAX، نوسانات تصادفی، موجک‌ها و روش‌های ادغام زنجیره مارکوف مونت کارلو. این نسخه شامل کد R برای هر مثال عددی علاوه بر ضمیمه R است که مرجعی برای مجموعه داده‌ها و اسکریپت‌های R مورد استفاده در متن به اضافه آموزش دستورات اصلی R و سری‌های زمانی R ارائه می‌دهد. یک فایل اضافی در وب سایت کتاب برای دانلود در دسترس است، که باعث می شود همه مجموعه داده ها و اسکریپت ها به راحتی در R بارگیری شوند.


توضیحاتی درمورد کتاب به خارجی

The fourth edition of this popular graduate textbook, like its predecessors, presents a balanced and comprehensive treatment of both time and frequency domain methods with accompanying theory. Numerous examples using nontrivial data illustrate solutions to problems such as discovering natural and anthropogenic climate change, evaluating pain perception experiments using functional magnetic resonance imaging, and monitoring a nuclear test ban treaty. The book is designed as a textbook for graduate level students in the physical, biological, and social sciences and as a graduate level text in statistics. Some parts may also serve as an undergraduate introductory course. Theory and methodology are separated to allow presentations on different levels. In addition to coverage of classical methods of time series regression, ARIMA models, spectral analysis and state-space models, the text includes modern developments including categorical time series analysis, multivariate spectral methods, long memory series, nonlinear models, resampling techniques, GARCH models, ARMAX models, stochastic volatility, wavelets, and Markov chain Monte Carlo integration methods. This edition includes R code for each numerical example in addition to Appendix R, which provides a reference for the data sets and R scripts used in the text in addition to a tutorial on basic R commands and R time series. An additional file is available on the book’s website for download, making all the data sets and scripts easy to load into R.





نظرات کاربران