• Regression Models for Time Series Analysis
  • Regression Models for Time Series Analysis
  • Regression Models for Time Series Analysis
  • Regression Models for Time Series Analysis
  • Regression Models for Time Series Analysis
  • Regression Models for Time Series Analysis
  • Regression Models for Time Series Analysis
21年品牌 40万+商家 超1.5亿件商品

Regression Models for Time Series Analysis

100 九品

仅1件

北京海淀
认证卖家担保交易快速发货售后保障

作者Benjamin Kedem、Konstantinos Fokianos 著

出版社Wiley-Interscience

出版时间2002-08

装帧精装

货号c-4L

上书时间2024-05-23

   商品详情   

品相描述:九品
馆书,内页干净
图书标准信息
  • 作者 Benjamin Kedem、Konstantinos Fokianos 著
  • 出版社 Wiley-Interscience
  • 出版时间 2002-08
  • ISBN 9780471363552
  • 定价 1863.70元
  • 装帧 精装
  • 页数 360页
  • 正文语种 英语
  • 丛书 WileySeriesinProabilityandStatistics
【内容简介】
A thorough review of the most current regression methods in time series analysis
 Regression methods have been an integral part of time series analysis for over a century. Recently, new developments have made major strides in such areas as non-continuous data where a linear model is not appropriate. This book introduces the reader to newer developments and more diverse regression models and methods for time series analysis.
 Accessible to anyone who is familiar with the basic modern concepts of statistical inference, Regression Models for Time Series Analysis provides a much-needed examination of recent statistical developments. Primary among them is the important class of models known as generalized linear models (GLM) which provides, under some conditions, a unified regression theory suitable for continuous, categorical, and count data.
 The authors extend GLM methodology systematically to time series where the primary and covariate data are both random and stochastically dependent. They introduce readers to various regression models developed during the last thirty years or so and summarize classical and more recent results concerning state space models. To conclude, they present a Bayesian approach to prediction and interpolation in spatial data adapted to time series that may be short and/or observed irregularly. Real data applications and further results are presented throughout by means of chapter problems and complements.
 Notably, the book covers:
 * Important recent developments in Kalman filtering, dynamic GLMs, and state-space modeling
 * Associated computational issues such as Markov chain, Monte Carlo, and the EM-algorithm
 * Prediction and interpolation
 * Stationary processes
【作者简介】
BENJAMIN KEDEM, PhD, is Professor of Mathematics at the University of Maryland.KONSTANTINOS FOKIANOS, PhD, is Assistant Professor in the Department of Mathematics and Statistics at the University of Cyprus.
点击展开 点击收起

   相关推荐   

—  没有更多了  —

以下为对购买帮助不大的评价

馆书,内页干净
此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP