Statistical Modeling using Local Gaussian Approximation extends powerful characteristics of the Gaussian distribution, perhaps, the most well-known and most used distribution in statistics, to a large class of non-Gaussian and nonlinear situations through local approximation. This extension enables the reader to follow new methods in assessing dependence and conditional dependence, in estimating probability and spectral density functions, and in discrimination. Chapters in this release cover Parametric, nonparametric, locally parametric, Dependence, Local Gaussian correlation and dependence, Local Gaussian correlation and the copula, Applications in finance, and more.
Additional chapters explores Measuring dependence and testing for independence, Time series dependence and spectral analysis, Multivariate density estimation, Conditional density estimation, The local Gaussian partial correlation, Regression and conditional regression quantiles, and a A local Gaussian Fisher discriminant.
- Reviews local dependence modeling with applications to time series and finance markets
- Introduces new techniques for density estimation, conditional density estimation, and tests of conditional independence with applications in economics
- Evaluates local spectral analysis, discovering hidden frequencies in extremes and hidden phase differences
- Integrates textual content with three useful R packages
Dag Tjøstheim is Emeritus Professor, Department of Mathematics, University of Bergen. He has a PhD in applied mathematics from Princeton University (1974). He has authored more than 120 papers in international journals. He is a member of the Norwegian Academy of Sciences and has received several prizes for his scientific work. His main interests are in econometrics, nonlinear time series, nonparametric methods, modeling of dependence, spatial variables, and fishery statistics.
Statistical Modeling using Local Gaussian Approximation extends powerful characteristics of the Gaussian distribution, perhaps, the most well-known and most used distribution in statistics, to a large class of non-Gaussian and nonlinear situations through local approximation. This extension enables the reader to follow new methods in assessing dependence and conditional dependence, in estimating probability and spectral density functions, and in discrimination. Chapters in this release cover Parametric, nonparametric, locally parametric, Dependence, Local Gaussian correlation and dependence, Local Gaussian correlation and the copula, Applications in finance, and more. Additional chapters explores Measuring dependence and testing for independence, Time series dependence and spectral analysis, Multivariate density estimation, Conditional density estimation, The local Gaussian partial correlation, Regression and conditional regression quantiles, and a A local Gaussian Fisher discriminant. Reviews local dependence modeling with applications to time series and finance markets Introduces new techniques for density estimation, conditional density estimation, and tests of conditional independence with applications in economics Evaluates local spectral analysis, discovering hidden frequencies in extremes and hidden phase differences Integrates textual content with three useful R packages
| Erscheint lt. Verlag | 19.10.2021 |
|---|---|
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Mathematik ► Finanz- / Wirtschaftsmathematik |
| Wirtschaft ► Volkswirtschaftslehre ► Ökonometrie | |
| ISBN-10 | 0-12-815445-4 / 0128154454 |
| ISBN-13 | 978-0-12-815445-8 / 9780128154458 |
| Haben Sie eine Frage zum Produkt? |
PDF (Adobe DRM)Größe: 29,6 MB
Kopierschutz: Adobe-DRM
Adobe-DRM ist ein Kopierschutz, der das eBook vor Mißbrauch schützen soll. Dabei wird das eBook bereits beim Download auf Ihre persönliche Adobe-ID autorisiert. Lesen können Sie das eBook dann nur auf den Geräten, welche ebenfalls auf Ihre Adobe-ID registriert sind.
Details zum Adobe-DRM
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen eine
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen eine
Geräteliste und zusätzliche Hinweise
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
EPUB (Adobe DRM)Größe: 24,5 MB
Kopierschutz: Adobe-DRM
Adobe-DRM ist ein Kopierschutz, der das eBook vor Mißbrauch schützen soll. Dabei wird das eBook bereits beim Download auf Ihre persönliche Adobe-ID autorisiert. Lesen können Sie das eBook dann nur auf den Geräten, welche ebenfalls auf Ihre Adobe-ID registriert sind.
Details zum Adobe-DRM
Dateiformat: EPUB (Electronic Publication)
EPUB ist ein offener Standard für eBooks und eignet sich besonders zur Darstellung von Belletristik und Sachbüchern. Der Fließtext wird dynamisch an die Display- und Schriftgröße angepasst. Auch für mobile Lesegeräte ist EPUB daher gut geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen eine
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen eine
Geräteliste und zusätzliche Hinweise
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
