دانلود کتاب Nonlinear time series analysis – تحلیل سری زمانی غیرخطی

• توضیحات
• نظرات (0)

Abstract: A comprehensive resource that draws a balance between theory and applications of nonlinear time series analysis Nonlinear Time Series Analysis offers an important guide to both parametric and nonparametric methods, nonlinear state-space models, and Bayesian as well as classical approaches to nonlinear time series analysis. The authors’noted experts in the field’explore the advantages and limitations of the nonlinear models and methods and review the improvements upon linear time series models. The need for this book is based on the recent developments in nonlinear time series analysis, statistical learning, dynamic systems and advanced computational methods. Parametric and nonparametric methods and nonlinear and non-Gaussian state space models provide a much wider range of tools for time series analysis. In addition, advances in computing and data collection have made available large data sets and high-frequency data. These new data make it not only feasible, but also necessary to take into consideration the nonlinearity embedded in most real-world time series. This vital guide: -”’ Offers research developed by leading scholars of time series analysis -”’ Presents R commands making it possible to reproduce all the analyses included in the text -”’ Contains real-world examples throughout the book -”’ Recommends exercises to test understanding of material presented -”’ Includes an instructor solutions manual and companion website Written for students, researchers, and practitioners who are interested in exploring nonlinearity in time series, Nonlinear Time Series Analysis offers a comprehensive text that explores the advantages and limitations of the nonlinear models and methods and demonstrates the improvements upon linear time series models.’

————————————————————–

ترجمه ماشینی :

یک منبع جامع که تعادلی بین نظریه و کاربردهای تحلیل سری‌های زمانی غیرخطی ایجاد می‌کند. تحلیل سری‌های زمانی غیرخطی، راهنمای مهمی برای روش‌های پارامتری و ناپارامتریک، مدل‌های فضای حالت غیرخطی، و رویکردهای بیزی و همچنین رویکردهای کلاسیک برای تحلیل سری‌های زمانی غیرخطی ارائه می‌کند. کارشناسان مورد اشاره نویسنده در این زمینه، مزایا و محدودیت‌های مدل‌ها و روش‌های غیرخطی را بررسی می‌کنند و بهبودهای مدل‌های سری زمانی خطی را بررسی می‌کنند. نیاز به این کتاب بر اساس پیشرفت‌های اخیر در تحلیل سری‌های زمانی غیرخطی، یادگیری آماری، سیستم‌های پویا و روش‌های محاسباتی پیشرفته است. روش‌های پارامتریک و ناپارامتریک و مدل‌های فضای حالت غیرخطی و غیرگاوسی طیف وسیع‌تری از ابزارها را برای تحلیل سری‌های زمانی فراهم می‌کنند. علاوه بر این، پیشرفت‌ها در محاسبات و جمع‌آوری داده‌ها، مجموعه داده‌های بزرگ و داده‌های با فرکانس بالا را در دسترس قرار داده است. این داده‌های جدید نه تنها امکان‌پذیر است، بلکه در نظر گرفتن غیرخطی بودن تعبیه‌شده در بیشتر سری‌های زمانی دنیای واقعی را نیز ضروری می‌سازد. این راهنمای حیاتی: -“” تحقیقاتی را ارائه می دهد که توسط محققان برجسته تجزیه و تحلیل سری های زمانی ایجاد شده است – “” دستورات R را ارائه می دهد که امکان بازتولید تمام تحلیل های موجود در متن را فراهم می کند – “” حاوی مثال های دنیای واقعی در سراسر کتاب است – “” تمرین هایی را برای آزمایش درک مطالب ارائه شده توصیه می کند -” شامل راهنمای راه حل های مربی و وب سایت همراه است که برای دانش آموزان، محققان و متخصصانی که علاقه مند به کاوش غیرخطی بودن در سری های زمانی هستند، نوشته شده است، تجزیه و تحلیل سری های زمانی غیرخطی متن جامعی را ارائه می دهد. مزایا و محدودیت‌های مدل‌ها و روش‌های غیرخطی را بررسی می‌کند و پیشرفت‌های مدل‌های سری زمانی خطی را نشان می‌دهد.’ بیشتر بخوانید…