دانلود کتاب Introduction To Time Series Modeling With Applications In R, 2nd ed, 2020

نام کتاب: Introduction To Time Series Modeling With Applications In R

نویسنده: Genshiro Kitagawa

ویرایش: ۲

سال انتشار: ۲۰۲۰

کد ISBN کتاب: ۰۳۶۷۱۸۷۳۳۷, ۹۷۸۰۳۶۷۱۸۷۳۳۰,

فرمت: PDF

تعداد صفحه: ۳۵۲

حجم کتاب: ۴ مگابایت

کیفیت کتاب: OCR

انتشارات: Chapman And Hall/CRC

Description About Book Introduction To Time Series Modeling With Applications In R From Amazon


Praise for the first edition:

[This book] reflects the extensive experience and significant contributions of the author to non-linear and non-Gaussian modeling. … [It] is a valuable book, especially with its broad and accessible introduction of models in the state space framework.

–Statistics in Medicine

What distinguishes this book from comparable introductory texts is the use of state space modeling. Along with this come a number of valuable tools for recursive filtering and smoothing including the Kalman filter, as well as non-Gaussian and sequential Monte Carlo filters …

–MAA Reviews

Introduction to Time Series Modeling: with Applications in R, Second ویرایشcovers numerous stationary and nonstationary time series models and tools for estimating and utilizing them. The goal of this book is to enable readers to build their own models to understand, predict and master time series. The second edition makes it possible for readers to reproduce examples in this book by using the freely-available R package TSSS to perform computations for their own real-world time series problems.

This book employs the state-space model as a generic tool for time series modeling and presents the Kalman filter, the non-Gaussian filter and the particle filter as convenient tools for recursive estimation for state-space models. Further, it also takes a unified approach based on the entropy maximization principle and employs various methods of parameter estimation and model selection, including the least squares method, the maximum likelihood method, recursive estimation for state-space models and model selection by AIC.

Along with the standard stationary time series models, such as the AR and ARMA models, the book also introduces nonstationary time series models such as the locally stationary AR model, the trend model, the seasonal adjustment model, the time-varying coefficient AR model and nonlinear non-Gaussian state-space models.

About the نویسنده

Genshiro Kitagawa is a project professor at the University of Tokyo, the former Director-General of the Institute of Statistical Mathematics, and the former President of the Research Organization of Information and Systems.

درباره کتاب Introduction To Time Series Modeling With Applications In R ترجمه شده از گوگل


ستایش از چاپ اول:

[این کتاب] بیانگر تجربه گسترده و سهم قابل توجه نویسندهدر مدل سازی غیرخطی و غیرگاوسی است. It [این] کتاب ارزشمندی است ، به ویژه با معرفی گسترده و در دسترس مدل های آن در چارچوب فضای ایالتی.

– آمار در پزشکی

آنچه این کتاب را از متون مقدماتی قابل مقایسه متمایز می کند ، استفاده از مدل سازی فضای حالت است. در کنار این ، تعدادی ابزار ارزشمند برای فیلتر کردن بازگشتی و صاف کردن از جمله فیلتر کالمان ، و همچنین فیلترهای غیر گاوسی و پی در پی مونت کارلو وجود دارد …

– بررسیهای MAA

مقدمه ای بر مدل سازی سری های زمانی: با کاربردهایی در R ، ویرایشدوم مدل های سری زمانی ساکن و ناپایدار و ابزارهای تخمین و استفاده از آنها را پوشش می دهد. هدف این کتاب این است که خوانندگان بتوانند مدل های خود را برای درک ، پیش بینی و تسلط بر سری های زمانی بسازند. ویرایشدوم این امکان را برای خوانندگان فراهم می آورد تا با استفاده از بسته RSS TSSS که آزادانه در دسترس است ، نمونه هایی را در این کتاب تولید کنند تا محاسبات مربوط به مشکلات سری زمانی خود را در دنیای واقعی انجام دهند.

این کتاب از مدل حالت-فضا به عنوان ابزاری عمومی برای مدل سازی سری های زمانی استفاده می کند و فیلتر کالمن ، فیلتر غیر گوسی و فیلتر ذرات را به عنوان ابزارهای مناسب برای برآورد بازگشتی برای مدل های فضای فضایی ارائه می دهد. علاوه بر این ، همچنین یک روش واحد بر اساس اصل حداکثر آنتروپی اتخاذ می شود و روشهای مختلفی برای برآورد پارامتر و انتخاب مدل ، از جمله روش حداقل مربعات ، روش حداکثر احتمال ، برآورد بازگشتی برای مدلهای حالت-فضا و انتخاب مدل توسط AIC به کار می رود.

در کنار مدل های استاندارد سری زمانی ثابت ، مانند مدل های AR و ARMA ، این کتاب همچنین مدل های سری زمانی غیر ایستا مانند مدل ثابت محلی AR ، مدل روند ، مدل تنظیم فصلی ، مدل AR ضریب متغیر و مدلهای فضای غیر دولتی غیر خطی غیر خطی.

درباره نویسنده

گنشیرو کیتاگاوا استاد پروژه در دانشگاه توکیو ، مدیرکل سابق انستیتوی ریاضیات آماری و رئیس سابق سازمان تحقیقات اطلاعات و سیستم ها است.

 جهت دسترسی به توضیحات این کتاب در Amazon اینجا کلیک کنید.

یک پیشنهاد عالی!
با خرید اشتراک، بدون محدودیت، کتاب دانلود کن!
بازنویسی متن پایان نامه و مقاله بازنویسی متن پایان نامه و مقاله