توضیحات
This volume provides a unified mathematical introduction to stationary time series models and to continuous time stationary stochastic processes. The analysis of these stationary models is carried out in time domain and in frequency domain. It begins with a practical discussion on stationarity, by which practical methods for obtaining stationary data are described. The presented topics are illustrated by numerous examples. Readers will find the following covered in a comprehensive manner: Autoregressive and moving average time series. Important properties such as causality. Autocovariance function and the spectral distribution of these models. Practical topics of time series like filtering and prediction. Basic concepts and definitions on the theory of stochastic processes, such as Wiener measure and process. General types of stochastic processes such as Gaussian, selfsimilar, compound and shot noise processes. Gaussian white noise, Langevin equation and OrnsteinUhlenbeck process. Important related themes such as mean square properties of stationary processes and mean square integration. Spectral decomposition and spectral theorem of continuous time stationary processes. This central concept is followed by the theory of linear filters and their differential equations. At the end, some selected topics such as stationary random fields, simulation of Gaussian stationary processes, time series for planar directions, large deviations approximations and results of information theory are presented. A detailed appendix containing complementary materials will assist the reader with many technical aspects of the book.
————————————————————–
ترجمه ماشینی :
این جلد یک مقدمه ریاضی یکپارچه برای مدلهای سری زمانی ثابت و فرآیندهای تصادفی ثابت زمان پیوسته ارائه میکند. تجزیه و تحلیل این مدل های ثابت در حوزه زمان و در حوزه فرکانس انجام شده است. این با یک بحث عملی در مورد ایستایی آغاز می شود، که توسط آن روش های عملی برای به دست آوردن داده های ثابت شرح داده می شود. موضوعات ارائه شده با مثال های متعدد نشان داده شده است. خوانندگان موارد زیر را به شیوه ای جامع خواهند یافت: سری های زمانی خودرگرسیون و میانگین متحرک. ویژگی های مهم مانند علیت. تابع اتوکوواریانس و توزیع طیفی این مدل ها. موضوعات کاربردی سری های زمانی مانند فیلترینگ و پیش بینی. مفاهیم و تعاریف اساسی در مورد نظریه فرآیندهای تصادفی، مانند اندازه گیری و فرآیند وینر. انواع کلی فرآیندهای تصادفی مانند فرآیندهای گاوسی، خود مشابه، ترکیبی و نویز شات. نویز سفید گاوسی، معادله لانژوین و فرآیند OrnsteinUhlenbeck. موضوعات مرتبط مهم مانند خصوصیات میانگین مربعات فرآیندهای ثابت و ادغام میانگین مربعات. تجزیه طیفی و قضیه طیفی فرآیندهای ثابت زمان پیوسته. این مفهوم مرکزی توسط نظریه فیلترهای خطی و معادلات دیفرانسیل آنها دنبال می شود. در پایان برخی از موضوعات منتخب مانند میدانهای تصادفی ثابت، شبیهسازی فرآیندهای ثابت گاوسی، سریهای زمانی جهتهای مسطح، تقریب انحرافات زیاد و نتایج نظریه اطلاعات ارائه شدهاند. یک پیوست مفصل حاوی مطالب تکمیلی به خواننده در بسیاری از جنبه های فنی کتاب کمک می کند.
tag : دانلود کتاب مدلهای تصادفی ثابت: مقدمه , Download مدلهای تصادفی ثابت: مقدمه , دانلود مدلهای تصادفی ثابت: مقدمه , Download Stationary Stochastic Models: An Introduction Book , مدلهای تصادفی ثابت: مقدمه دانلود , buy مدلهای تصادفی ثابت: مقدمه , خرید کتاب مدلهای تصادفی ثابت: مقدمه , دانلود کتاب Stationary Stochastic Models: An Introduction , کتاب Stationary Stochastic Models: An Introduction , دانلود Stationary Stochastic Models: An Introduction , خرید Stationary Stochastic Models: An Introduction , خرید کتاب Stationary Stochastic Models: An Introduction ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.