Statistical Inference for Discrete Time Stochastic Processes

This work is an overview of statistical inference in stationary, discrete time stochastic processes.  Results in the last fifteen years, particularly on non-Gaussian sequences and semi-parametric and non-parametric analysis have been reviewed. The first chapter gives a background of results on marti...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Rajarshi, M. B. (Συγγραφέας)
Συγγραφή απο Οργανισμό/Αρχή: SpringerLink (Online service)
Μορφή: Ηλεκτρονική πηγή Ηλ. βιβλίο
Γλώσσα:English
Έκδοση: India : Springer India : Imprint: Springer, 2013.
Σειρά:SpringerBriefs in Statistics,
Θέματα:
Διαθέσιμο Online:Full Text via HEAL-Link
Πίνακας περιεχομένων:
  • CAN Estimators from dependent observations
  • Markov chains and their extensions
  • Non-Gaussian ARMA models
  • Estimating Functions
  • Estimation of joint densities and conditional expectation
  • Bootstrap and other resampling procedures
  • Index.