Door een staking bij bpost kan je online bestelling op dit moment iets langer onderweg zijn dan voorzien. Dringend iets nodig? Onze winkels ontvangen jou met open armen!

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België vanaf € 30
Ruim aanbod met 7 miljoen producten

Door een staking bij bpost kan je online bestelling op dit moment iets langer onderweg zijn dan voorzien. Dringend iets nodig? Onze winkels ontvangen jou met open armen!

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België vanaf € 30
Ruim aanbod met 7 miljoen producten

Winkels

Verlanglijstje

Winkels

Verlanglijstje

Zoeken

Volg ons op

Wist je dat er in Vlaanderen voor iedereen een Standaard Boekhandel is binnen een straal van 7 km?

Zoek een winkel

€ 351,45

+ 702 punten

Levering 2 à 3 weken

Eenvoudig bestellen

Veilig betalen

Gratis thuislevering vanaf € 30 (via bpost)

Gratis levering in je Standaard Boekhandel

Omschrijving

Over the last 15 years, singular spectrum analysis (SSA) has proven very successful. It has already become a standard tool in climatic and meteorological time series analysis and well known in nonlinear physics and signal processing. However, despite the promise it holds for time series applications in other disciplines, SSA is not widely known among statisticians and econometrists, and although the basic SSA algorithm looks simple, understanding what it does and where its pitfalls lay is by no means simple. Analysis of Time Series Structure: SSA and Related Techniques provides a careful, lucid description of its general theory and methodology. Part I introduces the basic concepts, and sets forth the main findings and results, then presents a detailed treatment of the methodology. After introducing the basic SSA algorithm, the authors explore forecasting and apply SSA ideas to change-point detection algorithms. Part II is devoted to the theory of SSA. Here the authors formulate and prove the statements of Part I. They address the singular value decomposition (SVD) of real matrices, time series of finite rank, and SVD of trajectory matrices. Based on the authors' original work and filled with applications illustrated with real data sets, this book offers an outstanding opportunity to obtain a working knowledge of why, when, and how SSA works. It builds a strong foundation for successfully using the technique in applications ranging from mathematics and nonlinear physics to economics, biology, oceanology, social science, engineering, financial econometrics, and market research.