دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Wray Britton (auth.)
سری: Lecture Notes in Statistics 18
ISBN (شابک) : 9780387908267, 9781461255284
ناشر: Springer-Verlag New York
سال نشر: 1983
تعداد صفحات: 233
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 مگابایت
کلمات کلیدی مربوط به کتاب دوگانگی مزدوج و طیف فوریه نمایی: آمار، عمومی
در صورت تبدیل فایل کتاب Conjugate Duality and the Exponential Fourier Spectrum به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب دوگانگی مزدوج و طیف فوریه نمایی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
برای برخی از زمینه ها مانند اقتصاد سنجی (شور، 1980)، اکتشاف نفت (کلربوت، 1976)، تشخیص گفتار (لوینسون و لیبرمن، 1981)، نظارت ماهواره ای (لاورگنات و همکاران، 1980)، تشخیص صرع (گرش و تارپ) ، 1977) و فیزیک پلاسما (Bloomfield، 1976)، به منظور دستیابی به حداقل درک خام از محتوای فرکانس داده های سری زمانی، نیاز به تخمینی از چگالی طیفی (در صورت وجود) وجود دارد. یک آموزش برجسته در مورد مسئله کلاسیک تخمین چگالی طیفی توسط کی و مارپل (1981) ارائه شده است. برای مجموعه ای عالی از مقالات بنیادی که با تخمین چگالی طیفی مدرن سروکار دارند و همچنین کتابشناسی گسترده در زمینه های دیگر کاربرد، به Childers (1978) مراجعه کنید. برای ابداع یک برآوردگر چگالی طیفی نمونه با کارایی بالا، باید یک مبنای منطقی برای ساخت آن ایجاد کرد، یک الگوریتم عملی ارائه کرد و عملکرد آن را با توجه به معیارهای تجویز شده نشان داد. یک الگوریتم مطمئناً امکان پذیر است که بتوان آن را بر روی یک کامپیوتر پیاده سازی کرد، دارای کارایی محاسباتی (که با تجزیه و تحلیل پیچیدگی محاسباتی اندازه گیری می شود) و پایداری عددی را نشان دهد. اگر تخمینگر نسبت به نقض مفروضات اساسی خود حساس نباشد (به عنوان مثال، قوی) عملکرد بالایی نشان میدهد، به طور مداوم وضوح فرکانس عالی را تحت اندازههای نمونه واقعی و نسبتهای توان سیگنال به نویز نشان میدهد، دارای نرخ عددی قابل اثبات همگرایی با جمعیت واقعی است. چگالی طیفی، و/یا از ویژگیهای آماری نامشخص قابل اثبات مانند سازگاری و کارایی برخوردار است.
For some fields such as econometrics (Shore, 1980), oil prospecting (Claerbout, 1976), speech recognition (Levinson and Lieberman, 1981), satellite monitoring (Lavergnat et al., 1980), epilepsy diagnosis (Gersch and Tharp, 1977), and plasma physics (Bloomfield, 1976), there is a need to obtain an estimate of the spectral density (when it exists) in order to gain at least a crude understanding of the frequency content of time series data. An outstanding tutorial on the classical problem of spectral density estimation is given by Kay and Marple (1981). For an excellent collection of fundamental papers dealing with modern spec tral density estimation as well as an extensive bibliography on other fields of application, see Childers (1978). To devise a high-performance sample spectral density estimator, one must develop a rational basis for its construction, provide a feasible algorithm, and demonstrate its performance with respect to prescribed criteria. An algorithm is certainly feasible if it can be implemented on a computer, possesses computational efficiency (as measured by compu tational complexity analysis), and exhibits numerical stability. An estimator shows high performance if it is insensitive to violations of its underlying assumptions (i.e., robust), consistently shows excellent frequency resolutipn under realistic sample sizes and signal-to-noise power ratios, possesses a demonstrable numerical rate of convergence to the true population spectral density, and/or enjoys demonstrable asymp totic statistical properties such as consistency and efficiency.
Front Matter....Pages i-viii
Introduction....Pages 1-16
Imposing the constraints....Pages 17-20
Selecting the objective functional: conjugate duality....Pages 21-25
Choosing a truncation point for (c*c) k ....Pages 26-27
Solving for $$\vec{\theta}{\rm^{(n)}: n=1}$$ ....Pages 28-31
Solving for $${\vec \theta ^{(n)}}:n > 1$$ ....Pages 32-35
Obtaining an initial estimate $$\hat{\vec{\theta}}^{(\rm n)}$$ of $$\vec{\theta}^{(\rm n)}$$ ....Pages 36-41
Numerical asymptotics....Pages 42-45
Assessing the sample efficiency of $$\hat{\vec{\rm b}}^{(\rm n)}$$ and $$\hat{\vec{\theta}}^{(\rm n)}$$ ....Pages 46-49
The numerical experiment: preliminaries....Pages 50-58
The numerical experiment: results....Pages 59-62
Tables and Graphs....Pages 63-90
Conclusion....Pages 91-91
Back Matter....Pages 92-226