Bedankt voor het vertrouwen het afgelopen jaar! Om jou te bedanken bieden we GRATIS verzending (in België) aan op alles gedurende de hele maand januari.

Afhalen na 1 uur in een winkel met voorraad
In januari gratis thuislevering in België
Ruim aanbod met 7 miljoen producten

Bedankt voor het vertrouwen het afgelopen jaar! Om jou te bedanken bieden we GRATIS verzending (in België) aan op alles gedurende de hele maand januari.

Afhalen na 1 uur in een winkel met voorraad
In januari gratis thuislevering in België
Ruim aanbod met 7 miljoen producten

Winkels

Verlanglijstje

Winkels

Verlanglijstje

Zoeken

Volg ons op

140 winkels

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

Vind hier een winkel

€ 195,95

+ 391 punten

Levering 1 à 2 weken

Eenvoudig bestellen

Veilig betalen

In januari gratis thuislevering in België (via bpost)

Gratis levering in je Standaard Boekhandel

Omschrijving

Conventionally, time series have been studied either in the time domain or the frequency domain. The representation of a signal in the time domain is localized in time, i.e . the value of the signal at each instant in time is well defined . However, the time representation of a signal is poorly localized in frequency, i.e. little information about the frequency content of the signal at a certain frequency can be known by looking at the signal in the time domain . On the other hand, the representation of a signal in the frequency domain is well localized in frequency, but is poorly localized in time, and as a consequence it is impossible to tell when certain events occurred in time. In studying stationary or conditionally stationary processes with mixed spectra, the separate use of time domain and frequency domain analyses is sufficient to reveal the structure of the process . Results discussed in the previous chapters suggest that the time series analyzed in this book are conditionally stationary processes with mixed spectra. Additionally, there is some indication of nonstationarity, especially in longer time series.