دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Time Series Analysis and Its Applications: With R Examples, 4th Edition
دانلود کتاب تجزیه و تحلیل سری زمانی و برنامه های کاربردی آن: با مثال های R، ویرایش چهارم
مشخصات کتاب
Time Series Analysis and Its Applications: With R Examples, 4th Edition
ویرایش: 4 نویسندگان: Robert H. Shumway, David S. Stoffer سری: Springer Texts in Statistics ISBN (شابک) : 3319524518, 9783319524511 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: 6 مگابایت
قیمت کتاب (تومان) : 40,000
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل سری زمانی و برنامه های کاربردی آن: با مثال های R، ویرایش چهارم: آمار زیستی، زیست شناسی، علوم زیستی، علوم و ریاضی، احتمال و آمار، کاربردی، ریاضیات، علوم و ریاضی، مرجع، اطلس، فرهنگ لغت و اصطلاحات، راهنمای دارو، ابزار و لوازم، پزشکی و علوم بهداشتی، کتاب متنی جدید، مورد استفاده و اجاره، بوتیک تخصصی، آمار زیستی، تحقیقات، پزشکی و علوم بهداشتی، کتاب های درسی جدید، مستعمل و اجاره ای، بوتیک تخصصی، آمار، ریاضیات، علوم و ریاضیات، کتاب های درسی جدید، مستعمل و اجاره ای، بوتیک تخصصی
در صورت تبدیل فایل کتاب Time Series Analysis and Its Applications: With R Examples, 4th Edition 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 زمانی و برنامه های کاربردی آن: با مثال های R، ویرایش چهارم 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 زمانی و برنامه های کاربردی آن: با مثال های R، ویرایش چهارم
ویرایش چهارم این کتاب درسی پرطرفدار فارغ التحصیل، مانند نسخه های پیشین خود، درمان متعادل 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 عملکردی، و نظارت بر معاهده ممنوعیت آزمایش هسته‌ای نشان می‌دهند.
این کتاب به‌عنوان یک کتاب درسی طراحی شده است. برای دانشجویان مقطع کارشناسی ارشد در رشته های علوم فیزیکی، زیستی و اجتماعی و به عنوان متن مقطع کارشناسی ارشد در آمار. 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 مونت کارلو زنجیره مارکوف.
این نسخه شامل کد R برای هر مثال عددی علاوه بر پیوست R است که یک مرجع ارائه می‌کند. برای مجموعه داده ها و اسکریپت های R مورد استفاده در متن علاوه بر آموزش دستورات اصلی R و سری های زمانی R. یک فایل اضافی در وبسایت کتاب برای دانلود موجود است که بارگیری همه مجموعه‌های داده و اسکریپت‌ها را در R آسان می‌کند.
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.
فهرست مطالب
Preface to the Fourth Edition Preface to the Third Edition Characteristics of Time Series The Nature of Time Series Data Time Series Statistical Models Measures of Dependence Stationary Time Series Estimation of Correlation Vector-Valued and Multidimensional Series Problems Time Series Regression and Exploratory Data Analysis Classical Regression in the Time Series Context Exploratory Data Analysis Smoothing in the Time Series Context Problems ARIMA Models Autoregressive Moving Average Models Difference Equations Autocorrelation and Partial Autocorrelation Forecasting Estimation Integrated Models for Nonstationary Data Building ARIMA Models Regression with Autocorrelated Errors Multiplicative Seasonal ARIMA Models Problems Spectral Analysis and Filtering Cyclical Behavior and Periodicity The Spectral Density Periodogram and Discrete Fourier Transform Nonparametric Spectral Estimation Parametric Spectral Estimation Multiple Series and Cross-Spectra Linear Filters Lagged Regression Models Signal Extraction and Optimum Filtering Spectral Analysis of Multidimensional Series Problems Additional Time Domain Topics Long Memory ARMA and Fractional Differencing Unit Root Testing GARCH Models Threshold Models Lagged Regression and Transfer Function Modeling Multivariate ARMAX Models Problems State Space Models Linear Gaussian Model Filtering, Smoothing, and Forecasting Maximum Likelihood Estimation Missing Data Modifications Structural Models: Signal Extraction and Forecasting State-Space Models with Correlated Errors ARMAX Models Multivariate Regression with Autocorrelated Errors Bootstrapping State Space Models Smoothing Splines and the Kalman Smoother Hidden Markov Models and Switching Autoregression Dynamic Linear Models with Switching Stochastic Volatility Bayesian Analysis of State Space Models Problems Statistical Methods in the Frequency Domain Introduction Spectral Matrices and Likelihood Functions Regression for Jointly Stationary Series Regression with Deterministic Inputs Random Coefficient Regression Analysis of Designed Experiments Discriminant and Cluster Analysis Principal Components and Factor Analysis The Spectral Envelope Problems Appendix Large Sample Theory Convergence Modes Central Limit Theorems The Mean and Autocorrelation Functions Appendix Time Domain Theory Hilbert Spaces and the Projection Theorem Causal Conditions for ARMA Models Large Sample Distribution of the AR Conditional Least Squares Estimators The Wold Decomposition Appendix Spectral Domain Theory Spectral Representation Theorems Large Sample Distribution of the Smoothed Periodogram The Complex Multivariate Normal Distribution Integration Riemann–Stieltjes Integration Stochastic Integration Spectral Analysis as Principal Component Analysis Parametric Spectral Estimation Appendix R Supplement First Things First astsa Getting Started Time Series Primer Graphics References Index
نظرات کاربران
کتاب های تصادفی
دانلود کتاب Alexander Hamilton
دانلود کتاب Feminismos: debates teóricos contemporáneos
دانلود کتاب Eigenwertaufgaben mit technischen Anwendungen
دانلود کتاب Nos Bastidores do Google: tudo o que sei sobre marketing aprendi com o Google
