KotiRyhmätKeskusteluLisääAjan henki
Etsi sivustolta
Tämä sivusto käyttää evästeitä palvelujen toimittamiseen, toiminnan parantamiseen, analytiikkaan ja (jos et ole kirjautunut sisään) mainostamiseen. Käyttämällä LibraryThingiä ilmaiset, että olet lukenut ja ymmärtänyt käyttöehdot ja yksityisyydensuojakäytännöt. Sivujen ja palveluiden käytön tulee olla näiden ehtojen ja käytäntöjen mukaista.
Hide this

Tulokset Google Booksista

Pikkukuvaa napsauttamalla pääset Google Booksiin.

Time Series Analysis and Its Applications:…
Ladataan...

Time Series Analysis and Its Applications: With R Examples (Springer Texts… (vuoden 2010 painos)

– tekijä: Robert H. Shumway, David S. Stoffer

JäseniäKirja-arvostelujaSuosituimmuussijaKeskimääräinen arvioMaininnat
631336,873 (3.25)1
A balanced and comprehensive treatment of both time and frequency domain methods with accompanying theory. Numerous examples using non-trivial data illustrate solutions to problems, such as evaluating pain perception experiments using magnetic resonance imaging or monitoring a nuclear test ban treaty. Although designed as a text for graduate level students in statistics and the physical, biological and social sciences, some parts of the book will also serve as an undergraduate introductory course. Theory and methodology are separated to allow presentations on different levels, and the material has been updated by adding modern developments involving categorical time series analysis and the spectral envelope, multivariate spectral methods, long memory series, nonlinear models, longitudinal data analysis, resampling techniques, ARCH models, stochastic volatility, wavelets and Monte Ca… (lisätietoja)
Jäsen:Stats
Teoksen nimi:Time Series Analysis and Its Applications: With R Examples (Springer Texts in Statistics)
Kirjailijat:Robert H. Shumway
Muut tekijät:David S. Stoffer
Info:Springer (2010), Edition: 3rd ed. 2011, Hardcover, 604 pages
Kokoelmat:Oma kirjasto
Arvio (tähdet):
Avainsanoja:-

Teoksen tarkat tiedot

Time Series Analysis and Its Applications: With R Examples (tekijä: Robert H. Shumway)

-
Ladataan...

Kirjaudu LibraryThingiin, niin näet, pidätkö tästä kirjasta vai et.

Ei tämänhetkisiä Keskustelu-viestiketjuja tästä kirjasta.

» Katso myös 1 maininta

I read the first ~100p of this book. I stopped because the subject matter had diverged too far from my area of immediate interest (which was covered in the first chapter) rather than because the book is bad. In fact I think it is a good introduction to the topic for those with an interest and a background covering "normal" statistics to a level most STEM undergrads would have. Perhaps one thing that became obvious to me by inference should have been made explicit at the outset, which is that the fundamental general approach is as follows:

1. Get time series and plot it.
2. Guess any trends and/or periodicities in the data (various methods)
3. Subtract them (various methods)
4. Examine what's left ("residuals") to see if it behaves like noise (i.e. has some known type of random distribution) (various methods)
5. If it does, YAY! You have a usable model of the time series
6. If it does not, either make further guesses about trends/periodicities in the residuals and repeat from step 2 OR
7. Go back to the original time series and start from step 2 with different guesses about the nature of trends/periodicities

A flow chart of this at the beginning of the book would make what the book is actually about crystal clear.

As mentioned in a status update, the book does not assume the reader is scientifically motivated and does not discuss the meaning or validity of any trends, correlations or periodicities discovered. There are applications where this is entirely legitimate, probably the biggest and most utilised being analysis of financial/economic data for purposes of investment or trading: One only needs a model that works and not an explanation of why it works in order to make practical decisions. I would advise budding scientists to approach with caution, however; this form of analysis can only generate empirical models and hypotheses about why they are true are a separate but essential part of the scientific process. So, for example, if one discovers a model of the form, seasonal oscillation white noise, describing your time series, one can make predictions about the future but there is no explanation of why the seasonal variation occurs. You are only part way there, scientifically. ( )
  Arbieroo | Jul 17, 2020 |
ei arvosteluja | lisää arvostelu

» Lisää muita tekijöitä

Tekijän nimiRooliTekijän tyyppiKoskeeko teosta?Tila
Robert H. Shumwayensisijainen tekijäkaikki painoksetlaskettu
Stoffer, David S.päätekijäkaikki painoksetvahvistettu

Kuuluu näihin sarjoihin

Sinun täytyy kirjautua sisään voidaksesi muokata Yhteistä tietoa
Katso lisäohjeita Common Knowledge -sivuilta (englanniksi).
Kanoninen teoksen nimi
Tiedot englanninkielisestä Yhteisestä tiedosta. Muokkaa kotoistaaksesi se omalle kielellesi.
Alkuteoksen nimi
Teoksen muut nimet
Alkuperäinen julkaisuvuosi
Henkilöt/hahmot
Tärkeät paikat
Tärkeät tapahtumat
Kirjaan liittyvät elokuvat
Palkinnot ja kunnianosoitukset
Epigrafi (motto tai mietelause kirjan alussa)
Omistuskirjoitus
Ensimmäiset sanat
Sitaatit
Viimeiset sanat
Erotteluhuomautus
Julkaisutoimittajat
Kirjan kehujat
Alkuteoksen kieli
Tiedot englanninkielisestä Yhteisestä tiedosta. Muokkaa kotoistaaksesi se omalle kielellesi.
Kanoninen DDC/MDS
Kanoninen LCC

Viittaukset tähän teokseen muissa lähteissä.

Englanninkielinen Wikipedia

-

A balanced and comprehensive treatment of both time and frequency domain methods with accompanying theory. Numerous examples using non-trivial data illustrate solutions to problems, such as evaluating pain perception experiments using magnetic resonance imaging or monitoring a nuclear test ban treaty. Although designed as a text for graduate level students in statistics and the physical, biological and social sciences, some parts of the book will also serve as an undergraduate introductory course. Theory and methodology are separated to allow presentations on different levels, and the material has been updated by adding modern developments involving categorical time series analysis and the spectral envelope, multivariate spectral methods, long memory series, nonlinear models, longitudinal data analysis, resampling techniques, ARCH models, stochastic volatility, wavelets and Monte Ca

Kirjastojen kuvailuja ei löytynyt.

Kirjan kuvailu
Yhteenveto haiku-muodossa

Suosituimmat kansikuvat

Pikalinkit

Arvio (tähdet)

Keskiarvo: (3.25)
0.5
1
1.5
2
2.5
3 2
3.5 2
4
4.5
5

Oletko sinä tämä henkilö?

Tule LibraryThing-kirjailijaksi.

 

Lisätietoja | Ota yhteyttä | LibraryThing.com | Yksityisyyden suoja / Käyttöehdot | Apua/FAQ | Blogi | Kauppa | APIs | TinyCat | Perintökirjastot | Varhaiset kirja-arvostelijat | Yleistieto | 163,293,373 kirjaa! | Yläpalkki: Aina näkyvissä