Ocena:
Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.
Time Series: A First Course with Bootstrap Starter
Time Series: A First Course with Bootstrap Starter stanowi kurs wprowadzający do analizy szeregów czasowych, który spełnia tryptyk (i) kompletności matematycznej, (ii) ilustracji obliczeniowej i implementacji oraz (iii) zwięzłości i dostępności dla studentów studiów licencjackich i magisterskich. Podstawowe wyniki teoretyczne są przedstawione w matematycznie przekonujący sposób, a metody analizy danych są rozwijane poprzez przykłady i ćwiczenia parsowane w R.
Student z podstawowym kursem statystyki matematycznej nauczy się zarówno analizować szeregi czasowe, jak i interpretować wyniki. Książka zawiera podstawy metod szeregów czasowych, w tym filtry liniowe i geometryczne podejście do prognozowania. Dogłębnie zbadano ważny paradygmat modeli ARMA, a także metody w dziedzinie częstotliwości.
Wprowadzono entropię i inne pojęcia teorii informacji, wraz z zastosowaniami do modelowania szeregów czasowych. Druga połowa książki koncentruje się na wnioskowaniu statystycznym, dopasowaniu modeli szeregów czasowych, a także obliczeniowych aspektach prognozowania.
Wiele interesujących szeregów czasowych jest nieliniowych, w którym to przypadku klasyczne metody wnioskowania mogą zawieść, ale na ratunek mogą przyjść metody bootstrapowe . Charakterystycznymi cechami książki są nacisk na pojęcia geometryczne i dziedzinę częstotliwości, dyskusja na temat maksymalizacji entropii oraz dokładne omówienie najnowszych metod komputerowych dla szeregów czasowych, takich jak podpróbkowanie i bootstrap. Książka zawiera ponad 600 ćwiczeń, z których połowa obejmuje kodowanie w języku R i/lub analizę danych.
Dodatki obejmują stronę internetową z 12 kluczowymi zestawami danych i całym kodem R dla przykładów z książki, a także rozwiązania ćwiczeń.
© Book1 Group - wszelkie prawa zastrzeżone.
Zawartość tej strony nie może być kopiowana ani wykorzystywana w całości lub w części bez pisemnej zgody właściciela.
Ostatnia aktualizacja: 2024.11.13 21:45 (GMT)