Methods for data analysist

-34%

Описание и характеристики

Основу учебного пособия составляют модели и алгоритмы построения математических моделей идентификации их параметров для временных рядов и данных статистического разреза на основе решения задачи о разделении движения на тренды и колебания. Анализ колебаний ведётся на основе сдвиговых функций, а модели трендов и их параметры определяются нелинейными преобразованиями, линеаризующими исходные дынные. Изложение иллюстрируется большим количеством примеров, основанных на реальных данных.
Материал предназначен для англоязычных студентов направлений подготовки 01.03.04 и 01.04.04 «Прикладная математика», 09.03.03 «Прикладная информатика». Он может быть также полезным при изучении дисциплин «Методы анализа данных», «Модели и методы научно-технического прогнозирования», «Математическое моделирование» и др.
ID товара 2902426
Издательство Перо
Год издания
ISBN 978-5-00189-708-8
Количество страниц 243
Размер 1.4x14.5x20.5
Тип обложки Мягкий переплёт
Тираж 200
Вес, г 310
1 488 ₽
2 256 ₽
+ до 223 бонусов
Осталось мало

В магазины сети, бесплатно

ЗавтраАдреса магазинов

Другие способы доставки
4

Отзывы

15 бонусов

за полезный отзыв длиной от 300 символов

15 бонусов

если купили в интернет-магазине «Читай-город»

Полные правила начисления бонусов за отзывы
Оставьте отзыв и получите бонусы
Оставьте первый отзыв и получите за него бонусы.
Это поможет другим покупателям сделать правильный выбор.
4.0
2 оценки
0
0
1
0
1
Основу учебного пособия составляют модели и алгоритмы построения математических моделей идентификации их параметров для временных рядов и данных статистического разреза на основе решения задачи о разделении движения на тренды и колебания. Анализ колебаний ведётся на основе сдвиговых функций, а модели трендов и их параметры определяются нелинейными преобразованиями, линеаризующими исходные дынные. Изложение иллюстрируется большим количеством примеров, основанных на реальных данных.
Материал предназначен для англоязычных студентов направлений подготовки 01.03.04 и 01.04.04 «Прикладная математика», 09.03.03 «Прикладная информатика». Он может быть также полезным при изучении дисциплин «Методы анализа данных», «Модели и методы научно-технического прогнозирования», «Математическое моделирование» и др.