نام کتاب: Multivariate Time Series Analysis And Applications
نویسنده: William W. S. Wei
ویرایش: ۱
سال انتشار: ۲۰۱۹
کد ISBN کتاب: ۱۱۱۹۵۰۲۸۵۳, ۹۷۸۱۱۱۹۵۰۲۸۵۲,
فرمت: PDF
تعداد صفحه: ۵۲۷
حجم کتاب: ۱۶ مگابایت
کیفیت کتاب: OCR
انتشارات: John Wiley & Sons
Description About Book Multivariate Time Series Analysis And Applications From Amazon
An essential guide on high dimensional multivariate time series including all the latest topics from one of the leading experts in the field Following the highly successful and much lauded book, Time Series Analysis–Univariate and Multivariate Methods, this new work by William W.S. Wei focuses on high dimensional multivariate time series, and is illustrated with numerous high dimensional empirical time series. Beginning with the fundamentalconcepts and issues of multivariate time series analysis, this book covers many topics that are not found in general multivariate time series books. Some of these are repeated measurements, space-time series modelling, and dimension reduction. The book also looks at vector time series models, multivariate time series regression models, and principle component analysis of multivariate time series. Additionally, it provides readers with information on factor analysis of multivariate time series, multivariate GARCH models, and multivariate spectral analysis of time series. With the development of computers and the internet, we have increased potential for data exploration. In the next few years, dimension will become a more serious problem. Multivariate Time Series Analysis and its Applications provides some initial solutions, which may encourage the development of related software needed for the high dimensional multivariate time series analysis. Written by bestselling author and leading expert in the field Covers topics not yet explored in current multivariate books Features classroom tested material Written specifically for time series courses Multivariate Time Series Analysis and its Applications is designed for an advanced time series analysis course. It is a must-have for anyone studying time series analysis and is also relevant for students in economics, biostatistics, and engineering.
درباره کتاب Multivariate Time Series Analysis And Applications ترجمه شده از گوگل
یک راهنمای اساسی در مورد سری های زمانی چند متغیره با ابعاد بالا شامل آخرین مباحث یکی از متخصصان برجسته در این زمینه به دنبال کتاب بسیار موفق و بسیار ستایش شده ، روش سری تجزیه و تحلیل سری – متغیرها و چند متغیره ، این اثر جدید ویلیام W.S وی بر روی سری های زمانی چند متغیره با ابعاد بالا تمرکز دارد و با سری های زمانی تجربی متعدد با ابعاد بالا نشان داده شده است. این کتاب با مفاهیم اساسی و مباحث تجزیه و تحلیل سری های زمانی چند متغیره ، بسیاری از موضوعات را شامل می شود که در کتاب های سری زمانی چند متغیره به طور کلی یافت نمی شود. برخی از اینها اندازه گیری های مکرر ، مدل سازی سری فضا-زمان و کاهش ابعاد است. این کتاب همچنین به مدل های سری زمانی بردار ، مدل های رگرسیون سری زمانی چند متغیره و تحلیل م componentلفه های اصلی سری های زمانی چند متغیره می پردازد. علاوه بر این ، اطلاعاتی را در مورد تحلیل عاملی سری های زمانی چند متغیره ، مدل های GARCH چند متغیره و تحلیل طیفی چند متغیره سری های زمانی در اختیار خوانندگان قرار می دهد. با توسعه رایانه ها و اینترنت ، ما امکان اکتشاف داده ها را افزایش داده ایم. در چند سال آینده ، بعد به یک مشکل جدی تر تبدیل خواهد شد. تجزیه و تحلیل سری زمانی چند متغیره و برنامه های آن برخی از راه حل های اولیه را ارائه می دهد ، که ممکن است توسعه نرم افزار مربوطه مورد نیاز برای تجزیه و تحلیل سری های زمانی چند متغیره با ابعاد بالا را تشویق کند. نوشته شده توسط نویسندهپرفروش و متخصص برجسته در این زمینه مواردی را که هنوز در کتابهای چند متغیره کنونی بررسی نشده است ، می باشد ویژگی ها مطالب آزمایش شده در کلاس مخصوصاً برای دوره های سری زمانی تجزیه و تحلیل چند متغیره سری زمانی و کاربردهای آن برای یک دوره پیشرفته تجزیه و تحلیل سری زمان طراحی شده است. این مورد برای هر کسی که تجزیه و تحلیل سری زمانی را می خواند ، ضروری است و همچنین برای دانشجویان اقتصاد ، آمار زیست و مهندسی نیز مرتبط است.
[box type=”info”] جهت دسترسی به توضیحات این کتاب در Amazon اینجا کلیک کنید.
با خرید اشتراک، بدون محدودیت، کتاب دانلود کن!