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
دسته بندی: آمار ریاضی ویرایش: 1 نویسندگان: Donald B. Percival, Andrew T. Walden سری: Cambridge Series in Statistical and Probabilistic Mathematics ISBN (شابک) : 9780521640688, 0521640687 ناشر: Cambridge University Press سال نشر: 2000 تعداد صفحات: 611 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 18 مگابایت
در صورت تبدیل فایل کتاب Wavelet methods for time series analysis 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 روش های موجک برای تجزیه و تحلیل سری 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.
تجزیه و تحلیل داده های سری زمانی برای بسیاری از زمینه های علم، مهندسی، مالی و اقتصاد ضروری است. این مقدمه بر تجزیه و تحلیل موجک \"از سطح زمین و به بالا\" و تجزیه و تحلیل آماری مبتنی بر موجک سری های زمانی بر تکنیک های عملی زمان گسسته، با توضیحات دقیق تئوری و الگوریتم های مورد نیاز برای درک و پیاده سازی تبدیل موجک گسسته تمرکز دارد. . مثالهای متعدد تکنیکهای سریهای زمانی واقعی را نشان میدهند. بسیاری از تمرینهای تعبیهشده - با راهحلهای کامل ارائهشده در ضمیمه - به خوانندگان این امکان را میدهد که از کتاب برای مطالعه خود هدایت شونده استفاده کنند. تمرینات اضافی را می توان در محیط کلاس استفاده کرد. یک وبسایت دسترسی به سریهای زمانی و موجکهای مورد استفاده در کتاب و همچنین اطلاعاتی در مورد دسترسی به نرمافزار در S-Plus و سایر زبانها را ارائه میدهد. دانشجویان و محققانی که مایل به استفاده از روشهای موجک برای تحلیل سریهای زمانی هستند، این کتاب را ضروری میدانند. صفحه منبع نویسنده: http://faculty.washington.edu/dbp/wmtsa.html
The analysis of time series data is essential to many areas of science, engineering, finance and economics. This introduction to wavelet analysis "from the ground level and up," and to wavelet-based statistical analysis of time series focuses on practical discrete time techniques, with detailed descriptions of the theory and algorithms needed to understand and implement the discrete wavelet transforms. Numerous examples illustrate the techniques on actual time series. The many embedded exercises--with complete solutions provided in the Appendix--allow readers to use the book for self-guided study. Additional exercises can be used in a classroom setting. A Web site offers access to the time series and wavelets used in the book, as well as information on accessing software in S-Plus and other languages. Students and researchers wishing to use wavelet methods to analyze time series will find this book essential. Author resource page: http://faculty.washington.edu/dbp/wmtsa.html