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: نویسندگان: Jérôme Dedecker, Paul Doukhan, Gabriel Lang, José Rafael Leon, Sana Louhichi, Clémentine Prieur سری: Lecture Notes in Statistics ISBN (شابک) : 0387699511, 9780387699516 ناشر: Springer سال نشر: 2007 تعداد صفحات: 322 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب وابستگی ضعیف: با مثالها و کاربردها: ریاضیات، نظریه احتمالات و آمار ریاضی، نظریه فرآیندهای تصادفی
در صورت تبدیل فایل کتاب Weak Dependence: With Examples and Applications 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 وابستگی ضعیف: با مثالها و کاربردها 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.
هدف این تک نگاری توسعه ایده دوخان/لوهیچی (1999) برای سنجش استقلال مجانبی یک فرآیند تصادفی است. نویسندگان نمونههای مختلفی از مدلهای متناسب با شرایطی مانند زنجیرههای مارکوف پایدار، سیستمهای دینامیکی یا مدلهای پیچیدهتر، مدلهای غیرخطی، غیرمارکوینی و هتروسکداستیکی با حافظه بینهایت را پیشنهاد میکنند. اکثر مدلهای ثابت مورد استفاده با شرایط خود مطابقت دارند. سادگی شرایط نیز نقطه قوت آنهاست. ابزارهای اصلی موجود برای یک نظریه مجانبی تحت وابستگی ضعیف توسعه یافته اند. آنها این نظریه را برای آمار ناپارامتریک، تحلیل طیفی، اقتصاد سنجی و نمونه گیری مجدد به کار می برند. سطح عمومیت آن تکنیک ها را نسبت به مدل کاملاً قوی می کند. قضایای حدی گاهی واضح هستند و همیشه به کارگیری آنها ساده است. نظریه (با اثبات) توسعه یافته است و نویسندگان پیشنهاد می کنند که نماد را برای کاربردهای آینده اصلاح کنند. تعداد زیادی از مقالات تحقیقاتی به ایده های حاضر می پردازد. نویسندگان و همچنین بسیاری از محققین دیگر به طور فعال در توسعه این نظریه مشارکت داشتند. چندین برنامه هنوز برای توسعه یک روش تجزیه و تحلیل برای سری های زمانی (غیرخطی) مورد نیاز است و در اینجا مبنای قوی برای چنین مطالعاتی فراهم می کنند.
This monograph is aimed at developing Doukhan/Louhichi's (1999) idea to measure asymptotic independence of a random process. The authors propose various examples of models fitting such conditions such as stable Markov chains, dynamical systems or more complicated models, nonlinear, non-Markovian, and heteroskedastic models with infinite memory. Most of the commonly used stationary models fit their conditions. The simplicity of the conditions is also their strength.The main existing tools for an asymptotic theory are developed under weak dependence. They apply the theory to nonparametric statistics, spectral analysis, econometrics, and resampling. The level of generality makes those techniques quite robust with respect to the model. The limit theorems are sometimes sharp and always simple to apply.The theory (with proofs) is developed and the authors propose to fix the notation for future applications. A large number of research papers deals with the present ideas; the authors as well as numerous other investigators participated actively in the development of this theory. Several applications are still needed to develop a method of analysis for (nonlinear) times series and they provide here a strong basis for such studies.