مشخصات کتاب

Nichtparametrische Analyse und Prognose von Zeitreihen

ویرایش: 1 
نویسندگان: Dr. Paul Michels (auth.)  
سری: Arbeiten zur Angewandten Statistik 36 
ISBN (شابک) : 9783790805819, 9783642997655 
ناشر: Physica-Verlag Heidelberg 
سال نشر: 1992 
تعداد صفحات: 235 
زبان: German 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 10 مگابایت 

کلمات کلیدی مربوط به کتاب تحلیل ناپارامتریک و پیش‌بینی سری‌های زمانی: آمار برای تجارت/اقتصاد/ریاضی مالی/بیمه تئوری اقتصادی

در صورت تبدیل فایل کتاب Nichtparametrische Analyse und Prognose von Zeitreihen 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 تحلیل ناپارامتریک و پیش‌بینی سری‌های زمانی 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.

توضیحاتی در مورد کتاب تحلیل ناپارامتریک و پیش‌بینی سری‌های زمانی

هر ستاره‌شناسی می‌تواند پیش‌بینی کند که هر ستاره در ساعت یازده و نیم امشب کجا خواهد بود. او نمی تواند چنین پیش بینی ای در مورد دخترش داشته باشد. جیمز تراسلو آدامز، مورخ آمریکایی، 1878-1949 در تحلیل سری های زمانی، پیش بینی ارزش های آینده نقش مهمی ایفا می کند. بسته به حوزه کاربرد، می توان از آن به عنوان کمک برنامه ریزی و کنترل، به عنوان شاخصی از پیشرفت های نامطلوب، برای تشخیص زودهنگام و هشدار اولیه و همچنین برای حدس و گمان استفاده کرد. علاوه بر این، بیشتر تکنیک‌های پیش‌بینی امکان جایگزینی مقادیر از دست رفته را در دوره مشاهده می‌دهند. روش های پیش بینی آماری در بسیاری از رشته های علمی - به عنوان مثال در اقتصاد و علوم اجتماعی، پزشکی، تحقیقات محیطی و هیدرولوژی استفاده می شود. اگر مقادیر سری زمانی مشاهده شده از یک فرآیند گاوسی که با مشخص کردن میانگین و تابع کوواریانس آن مشخص می شود، نشات می گیرد، استفاده از روش های کلاسیک کافی است. اگر این توابع به تعداد محدودی از پارامترها بستگی داشته باشند، می توان آنها را به صورت مجانبی به صورت کارآمد به عنوان توابع اتوکوواریانس نمونه تحت شرایط نظم تخمین زد. سپس پیش بینی ها عمدتاً توابع خطی آخرین مقادیر سری زمانی مشاهده شده هستند. مقدمه 2 فرض نرمال بودن به ویژه برای داده های سری زمانی مشکوک است اگر سیر سری انحرافات نامنظم را نشان دهد که از اکثر داده ها متمایز است. با این حال، اگر یک روش پارامتریک مبتنی بر فرض نرمال بودن برای چنین سری های زمانی استفاده شود، برآوردها عموماً ویژگی های کارایی خود را از دست می دهند. از آنجایی که در تحلیل سری های زمانی پارامتریک پیش بینی ها معمولاً به صورت ترکیب خطی برخی از مقادیر از انتهای سری محاسبه می شوند، با وارد شدن تخمینگرها به عنوان ضرایب، برآورد پارامترهای ضعیف عموماً کیفیت پیش بینی را کاهش می دهد.

توضیحاتی درمورد کتاب به خارجی

Any astronomer can predict just where every star will be at half past eleven tonight; he can make no such prediction about his daughter. James Truslow Adams, amerikanischer Historiker, 1878-1949 In der Zeitreihenanalyse spielt die Prognose zukiinftiger Werte eine wich­ tige Rolle. Je nach Anwendungsgebiet kann sie als Planungs-und Steue­ rungshilfe, als Indikator von Fehlentwicklungen, zur Friiherkennung und Vorwarnung, aber auch zur Spekulation herangezogen werden. Dariiber hinaus ermoglichen die meisten Prognosetechniken das Ersetzen fehlender Werte innerhalb des Beobachtungszeitraumes. Statistische Vorhersagever­ fahren finden Verwendung in vielen wissenschaftlichen Disziplinen - so beispielsweise in den Wirtschafts- und Sozialwissenschaften, der Medizin, der Umweltforschung und der Hydrologie. Entstammen die beobachteten Zeitreihenwerte einem GauBprozeB, der durch Angabe seiner Mittelwert-und Kovarianzfunktion charakterisiert ist, so geniigt es, die klassischen Verfahren anzuwenden. Hangen diese Funk­ tionen von endlich vielen Parametern ab, so konnen diese als Funktionen der Stichprobenautokovarianzen unter Regularitatsbedingungen asympto­ tisch effizient geschatzt werden. Die Prognosen sind dann zumeist lineare Funktionen der zuletzt beobachteten Zeitreihenwerte. Einleitung 2 Die Normalitatsannahme ist ftir Zeitreihendaten vor allem dann frag­ wiirdig, wenn der Verlauf der Reihe unregelmaf3ige Ausschlage aufweist, die sich von der Mehrzahl der Daten abheben. Wendet man ftir solche Zeitreihen dennoch ein auf der Normalitatsannahme beruhendes paramet­ risches Verfahren an, so verlieren die Schatzungen in aller Regel ihre Effi­ zienzeigenschaften. Da in der parametrischen Zeitreihenanalyse Prognosen iiblicherweise als Linearkombinationen einiger Werte vom Ende der Reihe berechnet werden, wobei die Schatzer als Koeffizienten eingehen, reduzie­ ren schlechte Parameterschatzungen im allgemeinen die Prognosegiite.

فهرست مطالب

Front Matter....Pages i-ix
Einleitung....Pages 1-6
Front Matter....Pages 7-7
Von der nichtparametrischen Dichteschätzung zur nichtparametrischen Zeitreihenanalyse und Prognose....Pages 9-23
Asymptotische Eigenschaften von Kern- und Nearest-Neighbour-Schätzern....Pages 25-62
Ein Lösungsansatz zum Problem der Dimensionalität....Pages 63-78
Biasreduktion durch asymmetrische Kerne....Pages 79-95
Biasreduzierende und varianzreduzierende Mischungen von Kern- und NN-Schätzern....Pages 97-104
Robuste Kern- und NN-Schätzer....Pages 105-122
Weitere Modifikationen und einige Bemerkungen zur Wahl der Glättungsparameter....Pages 123-135
Front Matter....Pages 137-137
Nichtparametrische Modellierung der Wasserführung der Ruhr....Pages 139-176
Nichtparametrische Modellierung der Leitfähigkeit eines niedersächsischen Flusses....Pages 177-194
Nichtparametrische Modellierung der Luftbelastung durch Schwefeldioxid und Stickstoffdioxid....Pages 195-213
Abschließende Bemerkungen....Pages 215-217
Back Matter....Pages 219-234

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Investigating and Managing Common Cardiovascular Conditions

دانلود کتاب Roman Artisans and the Urban Economy

دانلود کتاب Topological Indices and Related Descriptors in QSAR and QSPR

دانلود کتاب Perchlorate in the Environment

دانلود کتاب ELSEWHERE: one woman, one rucksack, one lifetime of travel