- عنوان کتاب: Space-Time Point Processes An Applied Statistics Course
- نویسنده: Frederic Schoenberg
- حوزه: آمار کاربردی
- سال انتشار: 2026
- تعداد صفحه: 167
- زبان اصلی: انگلیسی
- نوع فایل: pdf
- حجم فایل: 8.94 مگابایت
این کتاب قرار است همراه با یک دوره یک ترمی در زمینه فرآیندهای نقطهای، چه در مقطع کارشناسی ارشد و چه در مقطع کارشناسی، برای دانشجویانی که عمدتاً بر آمار کاربردی و علوم داده تمرکز دارند، ارائه شود. هدف، آموزش و تربیت دانشجویان در جنبههای عملی خلاصهسازی، توصیف و پیشبینی دادههای فرآیند نقطهای مکانی-زمانی است. در حالی که بررسیهای بسیار کاملی از جنبههای نظری فرآیندهای نقطهای از قبل وجود دارد، هدف این کتاب خلاصهسازی مسائل اصلی در کاربردهای عملی مرتبط با فرآیندهای نقطهای مکانی-زمانی است. به طور خاص، برخی از سوالات مطرح شده در این کتاب عبارتند از: – چگونه میتوان دادههای فرآیند نقطهای مکانی-زمانی را خلاصه کرد؟ – فرآیندهای نقطهای مکانی-زمانی چگونه مدلسازی میشوند؟ – چگونه میتوان از یک مدل فرآیند نقطهای مکانی-زمانی برای پیشبینی احتمال رویدادهای آینده استفاده کرد؟ – روشهای مختلف تخمین پارامترها در مدلهای فرآیند نقطهای مکانی-زمانی چیست و چگونه با هم مقایسه میشوند؟ – چگونه میتوان مدلهای فرآیند نقطهای مکانی-زمانی را به صورت غیرپارامتری تخمین زد؟ – چه تکنیکهایی برای ارزیابی میزان تطابق یک مدل فرآیند نقطهای مکانی-زمانی با دادهها یا برای مقایسه آن با مدلهای متعدد وجود دارد؟
This book is meant to accompany a one-semester course in point processes, either at the graduate or undergraduate level, for students focused primarily on applied statistics and data science. The goal is to educate and train students in the practical aspects of the summary, description, and forecasting of spatial-temporal point process data. While very thorough treatments of the theoretical aspects of point processes already exist, this book’s aim is to summarize the main issues in the practical applications associated with space-time point processes. In particular, some of the questions addressed in this book are: -How can one summarize space-time point process data? -How are space-time point processes modeled? -How can one use a space-time point process model to forecast the probability of future events? -What are the different ways of estimating parameters in space-time point process models, and how do they compare? -How can space-time point process models be estimated nonparametrically? -What techniques exist for assessing how well a space-time point process model fits to data, or for comparing the _it of multiple models?
این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:
Download: Space-Time Point Processes





نظرات کاربران