Robust nonlinear time series (7 Ergebnisse)
- Softcover
Anbieter: books4less (Versandantiquariat Petra Gros GmbH & Co. KG), Welling, Deutschlandbooks4less (Versandantiquariat Petra Gros GmbH & Co. KG)
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Gebraucht - Gut
EUR 8,45
EUR 15,95 VersandVersand von Deutschland nach USAAnzahl: 2 verfügbar
Broschiert. Zustand: Gut. 286 Seiten Das hier angebotene Buch stammt aus einer teilaufgelösten Bibliothek und kann die entsprechenden Kennzeichnungen aufweisen (Rückenschild, Instituts-Stempel.); der Buchzustand ist ansonsten ordentlich und dem Alter entsprechend gut. In ENGLISCHER Sprache. Sprache: Deutsch Gewicht in Gramm: 460….
Robust and nonlinear time series analysis.
Sonderforschungsbereich Stochastische Mathematische Modelle (Heidelberg), :
- Softcover
Anbieter: Antiquariat Bookfarm, Löbnitz, DeutschlandAntiquariat Bookfarm
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Gebraucht - Gut
EUR 8,44
EUR 40,00 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Softcover. Zustand: Gut. VII, 286 S. Ehem. Bibliotheksexemplar mit Signatur und Stempel. GUTER Zustand, ein paar Gebrauchsspuren. Ex-library with stamp and library-signature. GOOD condition, some traces of use. X-16546 354096102X Sprache: Englisch Gewicht in Gramm: 490.
Sprache: Englisch
Verlag: Springer, New York ; Berlin ; Heidelberg ; Tokyo, 1984
- Softcover
Anbieter: Antiquariat Lücke, Einzelunternehmung, Schweinfurt, DeutschlandAntiquariat Lücke, Einzelunternehmung
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Gebraucht - Gut
EUR 28,00
EUR 48,00 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Kartoniert. Zustand: Gut. 25 cm Lecture Notes in Statistics, 26. VII, 286 S. Orig.-Karton. Mit graphischen Darstellungen. Gutes Exemplar.
- Softcover
Anbieter: preigu, Osnabrück, Deutschlandpreigu
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 51,10
EUR 70,00 VersandVersand von Deutschland nach USAAnzahl: 5 verfügbar
Taschenbuch. Zustand: Neu. Robust multivariate and nonlinear time series models | Application of robust estimators for the vector autoregressive and bilinear time series models | Ravi Ramakrishnan | Taschenbuch | 156 S. | Englisch | 2010 | LAP LAMBERT Academic Publishing | EAN 9783843357814 | Verantwortliche Person für die EU: p…reigu GmbH & Co. KG, Lengericher Landstr. 19, 49078 Osnabrück, mail[at]preigu[dot]de | Anbieter: preigu.
- Softcover
Anbieter: Ria Christie Collections, Uxbridge, Vereinigtes KönigreichRia Christie Collections
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 116,80
EUR 14,02 VersandVersand von Vereinigtes Königreich nach USAAnzahl: Mehr als 20 verfügbar
Zustand: New. In.
- Softcover
Anbieter: Revaluation Books, Exeter, Vereinigtes KönigreichRevaluation Books
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 154,04
EUR 14,63 VersandVersand von Vereinigtes Königreich nach USAAnzahl: 2 verfügbar
Paperback. Zustand: Brand New. 1st edition. 286 pages. 9.75x6.75x0.75 inches. In Stock.
- Softcover
Anbieter: AHA-BUCH GmbH, Einbeck, DeutschlandAHA-BUCH GmbH
Verkäufer/-in kontaktierenVerkäufer/-in mit 5 SternenZustand: Neu
EUR 114,36
EUR 62,61 VersandVersand von Deutschland nach USAAnzahl: 1 verfügbar
Taschenbuch. Zustand: Neu. Druck auf Anfrage Neuware - Printed after ordering - Classical time series methods are based on the assumption that a particular stochastic process model generates the observed data. The, most commonly used assumption is that the data is a realization of a stationary Gaussian process. However, since th…e Gaussian assumption is a fairly stringent one, this assumption is frequently replaced by the weaker assumption that the process is wide~sense stationary and that only the mean and covariance sequence is specified. This approach of specifying the probabilistic behavior only up to 'second order' has of course been extremely popular from a theoretical point of view be cause it has allowed one to treat a large variety of problems, such as prediction, filtering and smoothing, using the geometry of Hilbert spaces. While the literature abounds with a variety of optimal estimation results based on either the Gaussian assumption or the specification of second-order properties, time series workers have not always believed in the literal truth of either the Gaussian or second-order specifica tion. They have none-the-less stressed the importance of such optimali ty results, probably for two main reasons: First, the results come from a rich and very workable theory. Second, the researchers often relied on a vague belief in a kind of continuity principle according to which the results of time series inference would change only a small amount if the actual model deviated only a small amount from the assum ed model.
