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

€ 69,95

+ 139 punten

Uitvoering

Levering 1 à 2 weken

Eenvoudig bestellen

Veilig betalen

In januari gratis thuislevering in België (via bpost)

Gratis levering in je Standaard Boekhandel

Omschrijving

Singular spectrum analysis (SSA) is a technique of time series analysis and forecasting combining elements of classical time series analysis, multivariate statistics, multivariate geometry, dynamical systems and signal processing. SSA seeks to decompose the original series into a sum of a small number of interpretable components such as trend, oscillatory components and noise. It is based on the singular value decomposition of a specific matrix constructed upon the time series. Neither a parametric model nor stationarity are assumed for the time series. This makes SSA a model-free method and hence enables SSA to have a very wide range of applicability. The present book is devoted to the methodology of SSA and shows how to use SSA both safely and with maximum effect. Potential readers of the book include: professional statisticians and econometricians, specialists in any discipline in which problems of time series analysis and forecasting occur, specialists in signal processing and those needed to extract signals from noisy data, and students taking courses on applied time series analysis.