返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 预售时间序列分析:基于R的数据分析方法 (美)罗伯特·H.沙姆韦//戴维·S.斯托弗 著 李洪成//潘文捷 译
  • 【预售】预计到货时间:2022年05月12日 新华书店正版
    • 作者: (美)罗伯特·H.沙姆韦//戴维·S.斯托弗著 | | 李洪成//潘文捷译
    • 出版社: 机械工业出版社
    • 出版时间:2022-03-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: (美)罗伯特·H.沙姆韦//戴维·S.斯托弗著| 李洪成//潘文捷译
    • 出版社:机械工业出版社
    • 出版时间:2022-03-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2022-03-01
    • 字数:317
    • 页数:266
    • 开本:16开
    • 装帧:平装
    • ISBN:9787111695196
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    时间序列分析:基于R的数据分析方法

    作  者:(美)罗伯特·H.沙姆韦//戴维·S.斯托弗 著 李洪成//潘文捷 译
    定  价:89
    出 版 社:机械工业出版社
    出版日期:2022年03月01日
    页  数:266
    装  帧:平装
    ISBN:9787111695196
    主编推荐

    本书融合了作者多年的实践教学经验,旨在帮助读者了解时间序列作为一种分析工具所具有的丰富性和多样性。全书以一些有意义的数据集为基础,详细阐释了时间序列在医学、生物学、物理学和社会科学领域的广泛应用,并强调数据分析方法,对时域和频域方法进行了全面的介绍。 本书通过大量示例说明了如何利用时间序列分析来解决各类问题,例如,发现自然和人为的气候变化、使用功能性磁共振成像评估疼痛感知实验,以及对经济和金融问题的分析等。书中所有示例都基于R语言实现,但是阅读本书并不需要读者会用R软件。本书可以作为一学期时间序列分析导论课程的教材,需要读者具备高中数学基础,并且掌握线性回归和基于微积分的基本概率论知识。

    内容简介

    本书详细闽経了时间序列在医学、生物学、物理学和社会科学领域的广泛应用,并强调数据分析方法,对时域和频域方法进行了全面的介绍。书中首先对时间序列分析的基础知识、语言和方法进行了概述,然后介绍了ARMA模型和ARIMA模型,接下来介绍了频谱分析与滤波以及频谱估计,最后讨论了一些特殊主题,例如GARCH模型、单位根检验等。 本书可以作为一学期时间序列分析导论课程的教材,适合数学系及相关专业的教师和学生阅读。

    作者简介

    罗伯特·H. 沙姆韦(Robert H. Shumway) 加利福尼亚大学戴维斯分校统计系荣誉退休教授,美国统计协会会士,曾获美国统计协会杰出统计应用奖。著作等身,并在Journal of Forecasting和Journal of the American Statistical Association等专业期刊的编委会任职。戴维·S. 斯托弗(David S. Stoffer) 匹兹堡大学统计系教授,美国统计协会会士,曾获美国统计协会杰出统计应用奖。目前是Journal of Forecasting、Annals of Statistical Mathematics和Journal of Time Series Analysis的编委会成员。曾担任美国国家科学基金会的数学科学部项目主任,以及Journal of the American Statistical Associatinull

    精彩内容

    目录
    译者序
    前言
    第1章 时间序列基础
    1.1 介绍
    1.2 时间序列数据
    1.3 时间序列模型
    习题
    第2章 相关性与平稳时间序列
    2.1 度量相关性
    2.2 平稳性
    2.3 相关系数的估计
    习题
    第3章 时间序列回归和探索性数据分析
    3.1 时间序列的最小二乘
    3.2 探索性数据分析
    3.3 时间序列中的平滑
    习题
    第4章 ARMA模型
    4.1 介绍
    4.2 相关性函数
    4.3 模型预测
    习题
    第5章 ARIMA模型
    5.1 差分模型
    5.2 建立ARIMA模型
    5.3 季节性ARIMA模型
    5.4 具有自相关误差的回归
    习题
    第6章 频谱分析与滤波
    6.1 周期性和循环性行为
    6.2 谱密度
    6.3 线性滤波器
    习题
    第7章 频谱估计
    7.1 周期图和离散傅里叶变换
    7.2 非参数谱估计
    7.3 参数谱估计
    7.4 相干性和交叉谱
    习题
    第8章 其他主题
    8.1 GARCH模型
    8.2 单位根检验
    8.3 长记忆模型和分数阶差分
    8.4 状态空间模型
    8.5 交叉相关分析和预白化
    8.6 自回归模型的自助法
    8.7 阈值自回归模型
    习题
    附录A R补充材料
    附录B 概率论与统计入门
    附录C 复数入门
    附录D 其他时域理论
    附录E 部分习题的提示
    参考文献

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购