An intuition-based approach enables you to master time series analysis with easeTime Series Analysis and Forecasting by Example provides the fundamental techniques in time series analysis using various examples. By introducing necessary theory through examples that showcase the discussed topics, the authors successfully help readers develop an intuitive understanding of seemingly complicated time series models and their implications.The book presents methodologies for time series analysis in a simplified, example-based approach. Using graphics, the authors discuss each presented example in detail and explain the relevant theory while also focusing on the interpretation of results in data analysis. Following a discussion of why autocorrelation is often observed when data is collected in time, subsequent chapters explore related topics, including:Graphical tools in time series analysis Procedures for developing stationary, non-stationary, and seasonal modelsHow to choose the best time series modelConstant term and cancellation of terms in ARIMA modelsForecasting using transfer function-noise modelsThe final chapter is dedicated to key topics such as spurious relationships, autocorrelation in regression, and multiple time series. Throughout the book, real-world examples illustrate step-by-step procedures and instructions using statistical software packages such as SAS®, JMP, Minitab, SCA, and R. A related Web site features PowerPoint slides to accompany each chapter as well as the book’s data sets.With its extensive use of graphics and examples to explain key concepts, Time Series Analysis and Forecasting by Example is an excellent book for courses on time series analysis at the upper-undergraduate and graduate levels. it also serves as a valuable resource for practitioners and researchers who carry out data and time series analysis in the fields of engineering, business, and economics.
ترجمه فارسی (ترجمه ماشینی)
یک رویکرد مبتنی بر شهود شما را قادر میسازد تا با استفاده از easeTime Series Analysis و Forecasting by Example به تحلیل سریهای زمانی مسلط شوید و با استفاده از مثالهای مختلف، تکنیکهای اساسی در تحلیل سریهای زمانی را ارائه میدهد. با معرفی نظریه لازم از طریق مثالهایی که موضوعات مورد بحث را به نمایش میگذارند، نویسندگان با موفقیت به خوانندگان کمک میکنند تا درک شهودی از مدلهای سری زمانی به ظاهر پیچیده و پیامدهای آنها را توسعه دهند. این کتاب روششناسی برای تحلیل سریهای زمانی را با رویکردی سادهشده و مبتنی بر مثال ارائه میکند. نویسندگان با استفاده از گرافیک، هر مثال ارائه شده را به تفصیل مورد بحث قرار می دهند و نظریه مربوطه را توضیح می دهند و در عین حال بر تفسیر نتایج در تجزیه و تحلیل داده ها تمرکز می کنند. پس از بحث در مورد اینکه چرا وقتی دادهها به موقع جمعآوری میشوند، خودهمبستگی اغلب مشاهده میشود، فصلهای بعدی موضوعات مرتبط را بررسی میکنند، از جمله: ابزارهای گرافیکی در تجزیه و تحلیل سریهای زمانی رویههایی برای توسعه مدلهای ثابت، غیر ثابت، و فصلی نحوه انتخاب بهترین مدل سری زمانی مدت ثابت و لغو اصطلاحات در مدلهای ARIMA پیشبینی با استفاده از مدلهای تابع-نویز انتقال، فصل آخر به موضوعات کلیدی مانند روابط جعلی، خودهمبستگی در رگرسیون و سریهای زمانی متعدد اختصاص دارد. در سرتاسر کتاب، نمونههای واقعی، روشها و دستورالعملهای گام به گام را با استفاده از بستههای نرمافزاری آماری مانند SAS®، JMP، Minitab، SCA، و R نشان میدهند. یک وبسایت مرتبط دارای اسلایدهای پاورپوینت برای همراهی هر فصل و همچنین مجموعه دادههای کتاب. با استفاده گسترده از گرافیک و مثالها برای توضیح مفاهیم کلیدی، تجزیه و تحلیل سریهای زمانی و پیشبینی با مثال کتابی عالی برای دورههای تحلیل سریهای زمانی در سطوح فوقلیسانس و کارشناسی ارشد است. همچنین به عنوان یک منبع ارزشمند برای پزشکان و محققانی که داده ها و تجزیه و تحلیل سری های زمانی را در زمینه های مهندسی، تجارت و اقتصاد انجام می دهند، عمل می کند.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.