نام کتاب: Asymptotic Nonparametric Statistical Analysis Of Stationary Time Series
نویسنده: Daniil Ryabko
ویرایش: ۱
سال انتشار: ۲۰۱۹
کد ISBN کتاب: ۹۷۸۳۰۳۰۱۲۵۶۳۹, ۹۷۸۳۰۳۰۱۲۵۶۴۶,
فرمت: PDF
تعداد صفحه: ۷۷
حجم کتاب: ۱ مگابایت
کیفیت کتاب: OCR
انتشارات: Springer International Publishing
Description About Book Asymptotic Nonparametric Statistical Analysis Of Stationary Time Series From Amazon
Stationarity is a very general, qualitative assumption, that can be assessed on the basis of application specifics. It is thus a rather attractive assumption to base statistical analysis on, especially for problems for which less general qualitative assumptions, such as independence or finite memory, clearly fail. However, it has long been considered too general to be able to make statistical inference. One of the reasons for this is that rates of convergence, even of frequencies to the mean, are not available under this assumption alone. Recently, it has been shown that, while some natural and simple problems, such as homogeneity, are indeed provably impossible to solve if one only assumes that the data is stationary (or stationary ergodic), many others can be solved with rather simple and intuitive algorithms. The latter include clustering and change point estimation among others. In this volume I summarize these results. The emphasis is on asymptotic consistency, since this the strongest property one can obtain assuming stationarity alone. While for most of the problem for which a solution is found this solution is algorithmically realizable, the main objective in this area of research, the objective which is only partially attained, is to understand what is possible and what is not possible to do for stationary time series. The considered problems include homogeneity testing (the so-called two sample problem), clustering with respect to distribution, clustering with respect to independence, change point estimation, identity testing, and the general problem of composite hypotheses testing. For the latter problem, a topological criterion for the existence of a consistent test is presented. In addition, a number of open problems is presented.
درباره کتاب Asymptotic Nonparametric Statistical Analysis Of Stationary Time Series ترجمه شده از گوگل
ایستایی یک فرض کاملاً کلی و کیفی است که می تواند بر اساس مشخصات کاربرد ارزیابی شود. بنابراین مبنای تجزیه و تحلیل آماری ، به ویژه برای مشکلاتی که فرضیات کیفی کمتر عمومی ، مانند استقلال یا حافظه محدود ، به وضوح شکست می خورند ، یک فرض نسبتاً جذاب است. با این حال مدتهاست که بیش از حد کلی در نظر گرفته شده است که می توان از آن استنباط آماری کرد. یکی از دلایل این امر این است که نرخ همگرایی ، حتی فرکانس های متوسط ، تنها با این فرض در دسترس نیستند. اخیراً نشان داده شده است که ، در حالی که حل مشکلات طبیعی و ساده مانند همگنی ، در صورتی که فقط داده ها را ثابت یا ارگودی ثابت بخوانید ، غیرممکن است ، بسیاری دیگر را می توان با ساده و شهودی حل کرد. الگوریتم ها موارد دوم شامل خوشه بندی و برآورد نقطه تغییر در میان دیگران است. در این جلد من این نتایج را خلاصه می کنم. تأکید بر سازگاری مجانبی است ، زیرا این قوی ترین خاصیتی است که شخص می تواند با فرض ثابت بودن به تنهایی بدست آورد. در حالی که برای بیشتر مسائلی که راه حلی برای آن یافت می شود ، این راه حل از نظر الگوریتمی قابل تحقق است ، اما هدف اصلی در این زمینه از تحقیق ، هدفی که فقط تا حدی محقق می شود ، درک این است که چه کاری ممکن است انجام شود و برای ثابت نمی توان انجام داد سری زمانی. مشکلات در نظر گرفته شده شامل آزمایش همگنی (اصطلاحاً دو مسئله نمونه) ، خوشه بندی با توجه به توزیع ، خوشه بندی با توجه به استقلال ، برآورد نقطه تغییر ، تست هویت و مسئله کلی آزمون فرضیه های ترکیبی است. برای مشکل اخیر ، یک معیار توپولوژیکی برای وجود یک آزمون سازگار ارائه شده است. علاوه بر این ، تعدادی از مشکلات باز نیز ارائه شده است.
[box type=”info”]
جهت دسترسی به توضیحات این کتاب در Amazon اینجا کلیک کنید.
در صورت خراب بودن لینک کتاب، در قسمت نظرات همین مطلب گزارش دهید.
با خرید اشتراک، بدون محدودیت، کتاب دانلود کن!
