Introductory Time Series with R (Use R!) und über 1,5 Millionen weitere Bücher verfügbar für Amazon Kindle. Erfahren Sie mehr
EUR 53,45
  • Alle Preisangaben inkl. MwSt.
Auf Lager.
Verkauf und Versand durch Amazon.
Geschenkverpackung verfügbar.
Menge:1
Introductory Time Series ... ist in Ihrem Einkaufwagen hinzugefügt worden
Ihren Artikel jetzt
eintauschen und
EUR 14,40 Gutschein erhalten.
Möchten Sie verkaufen?
Zur Rückseite klappen Zur Vorderseite klappen
Anhören Wird wiedergegeben... Angehalten   Sie hören eine Probe der Audible-Audioausgabe.
Weitere Informationen
Alle 3 Bilder anzeigen

Introductory Time Series with R (Use R!) (Englisch) Taschenbuch – 9. Juni 2009

2 Kundenrezensionen

Alle 2 Formate und Ausgaben anzeigen Andere Formate und Ausgaben ausblenden
Amazon-Preis Neu ab Gebraucht ab
Kindle Edition
"Bitte wiederholen"
Taschenbuch
"Bitte wiederholen"
EUR 53,45
EUR 46,46 EUR 53,44
61 neu ab EUR 46,46 8 gebraucht ab EUR 53,44

Hinweise und Aktionen

  • Große Hörbuch-Sommeraktion: Entdecken Sie unsere bunte Auswahl an reduzierten Hörbüchern für den Sommer. Hier klicken.


Wird oft zusammen gekauft

Introductory Time Series with R (Use R!) + Time Series Analysis: With Applications in R (Springer Texts in Statistics) + Angewandte Zeitreihenanalyse mit R
Preis für alle drei: EUR 121,52

Einige dieser Artikel sind schneller versandfertig als andere.

Die ausgewählten Artikel zusammen kaufen
Jeder kann Kindle Bücher lesen — selbst ohne ein Kindle-Gerät — mit der KOSTENFREIEN Kindle App für Smartphones, Tablets und Computer.



Produktinformation


Mehr über den Autor

Entdecken Sie Bücher, lesen Sie über Autoren und mehr

Produktbeschreibungen

Pressestimmen

From the reviews:

“The book…gives a very broad and practical overview of the most common models for time series analysis in the time domain and in the frequency domain, with emphasis on how to implement them with base R and existing R packages such as Rnlme, MASS, tseries, fracdiff, mvtnorm, vars, and sspir. The authors explain the models by first giving a basic theoretical introduction followed by simulation of data from a particular model and fitting the latter to the simulated data to recover the parameters. After that, they fit the class of models to either environmental, finance, economics, or physics data. There are many applications to climate change and oceanography. The R programs for the simulations are given even if there are R functions that would do the simulation. All examples given can be reproduced by the reader using the code provided…in all chapters. Exercises at the end of each chapter are interesting, involving simulation, estimation, description, graphical analysis, and some theory. Data sets used throughout the book are available in a web site or come with base R or the R packages used. The book is a great guide to those wishing to get a basic introduction to modern time series modeling in practice, and in a short amount of time. …” (Journal of Statistical Software, January 2010, Vol. 32, Book Review 4)

“Later year undergraduates, beginning graduate students, and researchers and graduate students in any discipline needing to explore and analyse time series data. This very readable text covers a wide range of time series topics, always however within a theoretical framework that makes normality assumptions. The range of models that are discussed is unusually wide for an introductory text. … The mathematical theory is remarkably complete … . This text is recommended for its wide-ranging and insightful coverage of time series theory and practice.” (John H. Maindonald, International Statistical Review, Vol. 78 (3), 2010)

“The authors present a textbook for students and applied researchers for time series analysis and linear regression analysis using R as the programming and command language. … The book is written for students with knowledge of a first-year university statistics course in New-Zealand and Australia, but it also might serve as a useful tools for applied researchers interested in empirical procedures and applications which are not menu driven as it is the case for most econometric software packages nowadays.” (Herbert S. Buscher, Zentralblatt MATH, Vol. 1179, 2010)

Buchrückseite

Yearly global mean temperature and ocean levels, daily share prices, and the signals transmitted back to Earth by the Voyager space craft are all examples of sequential observations over time known as time series. This book gives you a step-by-step introduction to analysing time series using the open source software R. Each time series model is motivated with practical applications, and is defined in mathematical notation. Once the model has been introduced it is used to generate synthetic data, using R code, and these generated data are then used to estimate its parameters. This sequence enhances understanding of both the time series model and the R function used to fit the model to data. Finally, the model is used to analyse observed data taken from a practical application. By using R, the whole procedure can be reproduced by the reader. All the data sets used in the book are available on the website http://staff.elena.aut.ac.nz/Paul-Cowpertwait/ts/.

The book is written for undergraduate students of mathematics, economics, business and finance, geography, engineering and related disciplines, and postgraduate students who may need to analyse time series as part of their taught programme or their research.

Paul Cowpertwait is an associate professor in mathematical sciences (analytics) at Auckland University of Technology with a substantial research record in both the theory and applications of time series and stochastic models. Andrew Metcalfe is an associate professor in the School of Mathematical Sciences at the University of Adelaide, and an author of six statistics text books and numerous research papers. Both authors have extensive experience of teaching time series to students at all levels.


Welche anderen Artikel kaufen Kunden, nachdem sie diesen Artikel angesehen haben?


In diesem Buch

(Mehr dazu)
Ausgewählte Seiten ansehen
Buchdeckel | Copyright | Inhaltsverzeichnis | Auszug | Stichwortverzeichnis
Hier reinlesen und suchen:

Kundenrezensionen

5.0 von 5 Sternen
5 Sterne
2
4 Sterne
0
3 Sterne
0
2 Sterne
0
1 Sterne
0
Beide Kundenrezensionen anzeigen
Sagen Sie Ihre Meinung zu diesem Artikel

Die hilfreichsten Kundenrezensionen

6 von 6 Kunden fanden die folgende Rezension hilfreich Von Dr. Chrilly Donninger am 15. Mai 2010
Format: Taschenbuch Verifizierter Kauf
Mit R ist wohl eine Revolution in der angewandten Statistik und Modellierung eingeleitet worden. Analytic Tractability ist nicht mehr das Kriterium. Man kann es auch mit dem Computer simulieren. Dieses Buch ist ein sehr gutes Beispiel für diese Revolution. Die Autoren machen in 12 Kapiteln und 250 Seiten einen relativ umfassenden Streifzug durch die verschiedenen Time-Series Methoden und die dazugehörigen R Funktionen. Es stehen nicht wie früher abstrakte mathematische Sätze sondern konkrete Modelle und Resultate im Vordergrund. Man kann sich selbst mit den Zeitreihen spielen und so durch unmittelbare praktische Übung ein Gefühl für die Methoden bekommen. Die handwerkliche Seite der Statistik bekommt den ihr zustehenden Rang und Würde.
Man könnte über jedes Kapitel ein eigenes Buch schreiben. Die Autoren konzentrieren sich aber auf das Wesentliche. Das sonst so lästige und das gibts auch noch, und das auch, for further details see ... fällt weg. Dadurch hat man am Ende einen doch sehr umfangreichen Werkzeugkasten mit dem man Einiges anstellen kann.
Ich kannte die Methoden von der Theorie her (siehe Literaturliste) und habe auch schon Einiges per Hand in C implementiert. Mit einem derartigen Hintergrund ist das Buch ein Genuss zu lesen. Und selbst als alter Hacker schwört man sich, daß man in Hinkunft R und nicht mehr seine selbstgebastelten C-Routinen verwendet.

Wahrscheinlich ist das Buch aber für einen absoluten Anfänger doch etwas zu kompakt.
Ein sanfter Einstieg ist:
P.J.Brockwell, R.A.Davis: Introduction to Time Series and Forecasting. Leider verwendet das Buch die proprietäre und umständliche ITSM2000 Software.
Ein Klassiker ist:
G.P.Box, G.M.Jenkins, G.C.
Lesen Sie weiter... ›
Kommentar War diese Rezension für Sie hilfreich? Ja Nein Feedback senden...
Vielen Dank für Ihr Feedback. Wenn diese Rezension unangemessen ist, informieren Sie uns bitte darüber.
Wir konnten Ihre Stimmabgabe leider nicht speichern. Bitte erneut versuchen
2 von 2 Kunden fanden die folgende Rezension hilfreich Von Stefan am 16. Juni 2013
Format: Taschenbuch Verifizierter Kauf
Ich habe das Buch im Kindle und habe festgestellt, dass die Datensätze jetzt an einem anderen Ort zu finden sind, da der Autor wohl die Uni gewechselt hat.

Da Amazon Links aus den Rezensionen heraus kürzt, hier also eine "Anweisung", wie man die Daten finden kann:

Statt die ursprüngliche URL anzugeben, die sich an der Uni Massey (massey.ac.nz) befindet, die URL dahingehend abändern, dass man jetzt direkt nach dem doppelslash die neue Uni (ohne www) dort eingibt: (elena.aut.ac.nz) und den Rest der URL konstant lässt.

Beziehungsweise die neue Homepage von Hrn Cowpertwait suchen und dann noch Slash und ts an die URL der Homepage anfügen.
Kommentar War diese Rezension für Sie hilfreich? Ja Nein Feedback senden...
Vielen Dank für Ihr Feedback. Wenn diese Rezension unangemessen ist, informieren Sie uns bitte darüber.
Wir konnten Ihre Stimmabgabe leider nicht speichern. Bitte erneut versuchen

Die hilfreichsten Kundenrezensionen auf Amazon.com (beta)

Amazon.com: 19 Rezensionen
23 von 23 Kunden fanden die folgende Rezension hilfreich
A great book on R! 16. November 2009
Von Pd Farleigh - Veröffentlicht auf Amazon.com
Format: Taschenbuch Verifizierter Kauf
This is a cracking book on applying R to time series analysis. The best parts of the book are all of the worked examples, the accompanying data sets and several different ways to calculate seasonality.

The book is better than most on time series, because it does not neglect the de-trending process needed to get stationery residuals. If you use just the lm() command in R to do this before, then the real gem in this book is the advice to use the gls() command from the nlme library instead (to get the confidence intervals right).

Overall, a very good book that is applied to R but has enough mathematical backing for the techniques presented. However, this is a book about applying time series analysis in R. If you seek a more algebraic treatment, then this is not the book I'm afraid, but it would be a great supplement!
13 von 13 Kunden fanden die folgende Rezension hilfreich
Excellent and accessible introduction, suitable for all R users 9. Dezember 2012
Von Sitting in Seattle - Veröffentlicht auf Amazon.com
Format: Taschenbuch Verifizierter Kauf
This is an excellent introduction to time series analysis in R, and is suitable for all readers who use R. In contrast to most statistics books, it does not presume an extensive mathematical background. Rather, it is a very much a progressive, didactic text, suitable for leisurely self-learning. The mathematics are presented briefly and appropriately for each topic, but progress and understanding do not depend on absorbing them in depth. It would be suitable, for instance, to social scientists, ecologists, public policy researchers, and so forth who use R.

It is very much a multi-lesson tutorial on the basics of time series analysis, and should be worked through at the computer using R. The topics include decomposition (e.g., extracting seasonality vs. trends), handling autocorrelation, forecasting (e.g., the Bass model in marketing forecasts), regression models, and some more advanced topics such as spectral analysis. In some of the later topics, math is unavoidable and is presented when needed.

There are two limitations to the book. First, as should be obvious from the preceding, some mathematicians and statisticians may be disappointed by the focus on tutorial rather than formal explanation. It has math but that's not the focus, so it would not be suitable for, say, a graduate-level mathematical stats course. Second, it of course cannot cover all aspects of time series analysis. It has examples from many domains (finance, operations, marketing, etc.) but limited depth in any single area; and it presents a variety of core models but does not cover the many advanced topics.

Overall this is an excellent introduction to time series. If you're a general R analyst who wants to get started with time series, it's the best place to begin that I've seen.
12 von 12 Kunden fanden die folgende Rezension hilfreich
A very positive review from a non-statistician 19. Februar 2011
Von popivan - Veröffentlicht auf Amazon.com
Format: Taschenbuch
Bought this book about a year ago, with the goal to learn more about time series analysis with R and applications to financial time series. It has been a while since I was more satisfied by a book. It's relatively easy to follow (I am not a statistician), full of examples in R and provides just enough (IMO) details for the math savvy readers to get them started in the theory behind. I keep coming back to this little book again and again!
11 von 11 Kunden fanden die folgende Rezension hilfreich
QUite good introduction 22. März 2010
Von AGJr - Veröffentlicht auf Amazon.com
Format: Taschenbuch Verifizierter Kauf
Differently from many other books in the "Use R!" series, this one is very didatic and comprehensive. It covers all important functions and applications in time series analysis, ad it's good for both the graduate and undergraduate students or the casual researcher.
10 von 10 Kunden fanden die folgende Rezension hilfreich
Nice book 26. Januar 2010
Von Dimitri Shvorob - Veröffentlicht auf Amazon.com
Format: Taschenbuch
Full marks on coverage and "technical vs. accessible" trade-off; a concise, rigorous and user-friendly introduction to time series analysis in R, helpful for both statisics and R beginners, and an appealing complementary textbook in a graduate course.
Waren diese Rezensionen hilfreich? Wir wollen von Ihnen hören.