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 برای چاپ اول:
[این کتاب] منعکس کننده تجربه گسترده و مشارکت قابل توجه نویسندهدر مدل سازی غیر خطی و غیر گاوسی است. … [این] کتاب ارزشمندی است ، به ویژه با معرفی گسترده و قابل دسترس مدل ها در چارچوب فضای دولتی.
– آمار 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 و صاف کردن بازگشتی از جمله فیلتر کالمن ، و همچنین فیلترهای غیر گاوس و متوالی مونت کارلو ارائه می شود …
– بررسی MAA
مقدمه ای بر مدل سازی سری های زمانی: با برنامه های کاربردی در R ، ویرایشدوم مدلها و ابزارهای سریهای ثابت و غیر ثابت را برای برآورد و استفاده از آنها پوشش می دهد. هدف این کتاب این است که خوانندگان را قادر سازد تا الگوهای خود را برای درک ، پیش بینی و تسلط بر سری های زمانی بسازند. ویرایشدوم این امکان را برای خوانندگان فراهم می آورد که با استفاده از بسته R رایگان TSSS موجود در این کتاب نمونه هایی را در این کتاب برای انجام محاسبات برای مشکلات سری های زمان واقعی خود محاسبه کنند.
این کتاب از مدل حالت فضایی به عنوان ابزاری عمومی برای مدل سازی سری های زمانی استفاده می کند و فیلتر کالمن ، فیلتر غیر گاوس و فیلتر ذرات را به عنوان ابزار مناسب برای برآورد بازگشتی برای مدل های فضای حالت ارائه می دهد. علاوه بر این ، از یک رویکرد یکپارچه بر اساس اصل حداکثر سازی آنتروپی استفاده می کند و از روش های مختلف برآورد پارامترها و انتخاب مدل استفاده می کند ، از جمله روش حداقل مربعات ، روش حداکثر احتمال ، برآورد بازگشتی برای مدل های حالت فضا و انتخاب مدل توسط AIC.
در کنار مدلهای استاندارد سریهای زمانی ثابت ، مانند مدلهای AR و ARMA ، کتاب مدلهای سری زمانی غیر ثابت مانند مدل AR ثابت محلی ، مدل روند ، مدل تعدیل فصلی ، مدل AR ضریب متغیر زمان و مدلهای حالت غیر فضایی غیر گاوسی
درباره نویسنده
جنشیرو کیتاگاوا استاد پروژه در دانشگاه توکیو ، مدیرکل سابق موسسه ریاضیات آماری و رئیس سابق سازمان تحقیقات اطلاعات و سیستم ها 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!
