Поиск по каталогу |
(строгое соответствие)
|
- Профессиональная
- Научно-популярная
- Художественная
- Публицистика
- Детская
- Искусство
- Хобби, семья, дом
- Спорт
- Путеводители
- Блокноты, тетради, открытки
Statistical Inference in Autoregressive Models. Estimation of Autoregressive Models
В наличии
Местонахождение: Алматы | Состояние экземпляра: новый |
Бумажная
версия
версия
Автор: B. Ramanjineyulu,Balasiddamuni Pagadala and G.Mokesh Rayalu
ISBN: 9783659389801
Год издания: 2013
Формат книги: 60×90/16 (145×215 мм)
Количество страниц: 260
Издательство: LAP LAMBERT Academic Publishing
Цена: 51125 тг
Положить в корзину
Способы доставки в город Алматы * комплектация (срок до отгрузки) не более 2 рабочих дней |
Самовывоз из города Алматы (пункты самовывоза партнёра CDEK) |
Курьерская доставка CDEK из города Москва |
Доставка Почтой России из города Москва |
Аннотация: In this book,an attempt has been made by developing some inferential methods for autoregressive models by using Internally studentized residuals.In the Applied regression analysis, the autoregressive models, moving average models and combined autoregressive and moving average models have a wide number applications. The study on autoregressive process/models is considered to be essential to both the theoretical and applied statisticians.The first order and higher order autoregressive models for regressed variable and errors have been described by giving auto covariance functions.Further,an autoregressive dynamic model without constant term has been specified and in the presence of lagged dependent variable, a modified durbin’s h-statistic for testing the hypthesis of no auto correlation has been developed for first order autoregressive error process, Instrumental variable method of estimation has been proposed to estimate the parameters of first order autoregressive errors model with lagged dependent variable as regressor and hence obtained estimates for autocorrelation co-efficients based an Internally studentized residuals.
Ключевые слова: TIMESERIES ANALYSIS