Алгоритмы прогнозирования нестационарных временных рядов (1102322), страница 24
Текст из файла (страница 24)
/ Труды Братского государственного университета, Т.2, — ЕРГУ, 2006, с, 82- 30. Кедрин В.С., Сальникова М.К. Сравнительный анализ методов спектрального и сингулярного разложения в задачах прогнозирования состояния сложных динамических систем. / Труды Братского государственного университета, Т.2. — БРГУ, 2007, с. 45-49. 31. Кендалл М., Стюарт А, Статистические выводы и связи, (пер, с англ.) — М.: Наука, 1973.
— 900 с. 32. Кендалл М., Стюарт А. Многомерный статистический анализ и временные ряды, (пер. с англ.) — М.: Наука, 1976. — 736 с, 33, Кильдигаев Г.С., Френкель А,А, Анализ временных рядов и прогнозирование. М,: «Сгатистика», ! 973. 34. Кобзарь А.И. Прикладная математическая статистика. — М.: Физматлит, 2006. — 816 с, 35. Козлов В.В. Симметрии, топология и резонансы в гамильтоповой механике, — Ижевск: УдГу, 1995, -- 429 с.
36. Королюк В.С., Портенко Н,И„Скороход А.В,, Турбин А.Ф. Справочник по теории вероятностей и математической статистике. — М.: Наука, 1985. — 640 с. 37. Кремер Н.Ш., Путко Б.А. Экопометрика. — М.: 10НИТИ-ДАНА, 2002. — 311 с. 38.
Кузнецов С,П, Динамический хаос. — М.: Физматлит, 2001. — 296 с. 39. 1лпп1су Т., ГйеЬг Р., Бгпегзоп Б. ТЬе ипрогГапсе о1 1Ье поппайу авяагпр11оп ш 1агйе риЬИс Ьеа11Ь да1а зе1з. // Аплаа1 Ксяеж о1 РаЬИс НсаИЬ„2002, Уо1. 23, р, 151-169. 40. Левин Б.Р, Теоретические основы статистической радиотехники, — М.: «Сов. радио», 41. Лемешко Б.Ю., Постовалов С.Н. О распределении статистик непараметрических критсрисв согласия при оценивании по выборкам параметров наблюдаемых законов. // Заводская лаборатория.
Диагностика материалов. 1998, т. 64, № 3, с. 61-72. 42, Лемешко Б.|0., Помадин С.С. Проверка гипотез о математических ожиданиях и дисперсиях в задачах метрологии и контроля качества при вероятностных законах, отличакпцихся от нормального. // Метрология, 2004, № 4, с. 3-15. 43. Лемсшко Б.Ю., Чимитова Е.В. Посгроенис оптимальных 1 оценок параметров сдвига и масштаба распределений по выборочным кваптилям. // Сибирский журнал индустриальной математики, 2001, т.4, № 2, с. 166-183. 44. Леонов В.П., Ижевский П.В. Применение статистики в медицине и биологии: анализ публикаций 1990-1997 гг.
// Сибирский медицинский журнал, 1997, № 3-4, с. 64-74. 45. Лившиц М.Б., Иванов-Муромский К.А., Заславский С.Я., Войтинскнй Б.Я., Лернер В.А., Ромм Б.И. Численные методы анализа случайных процессов.— М.: Наука, 1976. — 128 46. Лоскутов А.Ю., Котляров О.Л., Истомин И..А., Журавлев Д.И. Проблемы нелинейной динамики. Локальные методы прогнозирования временных рядов // Вестник МГУ, Сер 3. Физика и Астрономия.
2002. № 6. С. 3-21. 47. Лоза М. Теория вероятностей, — ИЛ, 1962. 48. Лукашин Ю.П. Адаптивные методы прогнозирования зкономических показателей. М.; «Статистика», 1979, 49. Льюис К.Д. Методы пропюзирования экономических показателей. М,: Финансы н стагистика, 1986. 50. Макаров А.А. БТАИА против Б1а18гарЬ1сз, или Кто ваш «лоцман» в морс статистических данных. // «Мир ПК», 1992, №3, с.58 — 66, 51.
Малинецкий Г.Г., Потапов А.Б. Современныс проблемы нелинейной динамики.— Москва-Ижевск: Регулярная и хаотичсская динамика, 2000. 52. Мандельброт Б. Фракталы, случай и финансы. 1нер, с англ.) — Москва-Ижевск: Рсгулярная и хаотическая динамика, 2004, 53. Мирский Г.Я. Аппаратурпое определение характеристик случайных процессов. — М.: «Энергия», 1972. 54. Мельников Л,В., Волков С.Н., Нечаев М.Л. Математика финансовых обязательств.— М.: ГУ ВШЭ, 2001.
55. Орлов Л.И. О реальных возможностях бутстрепа как статистнчсского метода. // Заводская лаборатория, 1987. Т,53. Хо.10. С.82-85. 56. Орлов Л.И. Часто ли распределение результатов наблюдений является нормальным? // Заводская лаборатория. Диагностика материалов. 1991, т,57, № 7, с.б4-66.
56. Орлов Л.И. О современных проблемах внедрения прикладной статистики и других статистических методов. // Заводская лаборатория. Диагностика материалов. 1992, т.. 58, № 1, с. 67-74. 58. Орлов Л,И. Эконометрика М.: <<Экзамен», 2002. — 576 с, 59. Орлов 1О.Н, Основы квантования вырожденных динамических систем. — М.: МФТИ, 2004. — 236 с. 60. Орлов Ю.Н., Осмнннн К.П. Анализ нестационарных временных рядов, / Препринт ИПМ им, М.В. Келдыша РАН, № 36, 2007, — 24 с. 61. Орлов 1О.Н., Осминин К.П.
Методика определения оптимального объема выборки для прогнозирования несгацнонарного временного ряда. // ИТВС, 2008, № 3, с.3-13. 62. Орлов 1О.Н., Осминин К.П. Построение выборочной функции распределения для прогнозирования нестациоиарного временного ряда. // Мат. Мод., 2008, № 9, с. 23-33. 63. Орлов Ю,Н., Ос минин К,П. Кинетические уравнения для прогнозирования нестационарных временных рядов. /11реприпт ИПМ им. М.В. Келдыша РЛН, № 47, 2008. — 28 с.
64, Орлов Ю.Н., Осминин К.П. О квазнстационарности статистики «горизонтного» ряда для нестационарпых временных рядов. / В сб. Соврсменныс проблемы фундаментальной и прикладной математики. М.: МФТИ, 2008. С. 113-130. 65. Осминин К.П. Алгоритм прогнозирования функции распределения нсстационарного временного ряда / Труды 31-ой конференции молодых ученых и специалистов ИППИ РАН «Информационные технологии и системы», Геленджик, Россия, 29 сентября — 03 октября, 2008.
С. 112-П5. 66, Осминии К.П. Горизонтная статистика в прогнозировании нестационарных врсменных рядов. / Труды Международной конференции «Синергетика в естественных науках», Тверь, 10-13 апреля, 2008. С. 47-49. 67. Рач1о!айу 1.Р., Б!г!апезе М., Тоясапо К, Рго1опйаг!оп о1 Гйе !и!с8га1 спг ге оп Гйс я!пйп!аг зе! ма Гйе Бгз! !пгейга1. //1. о3 1п!егбйзс!рйпагу МагЬ. 1999, 'К2. Ыоа2-3. Р.101-119.
68. Петров А,В., Берзин Р.Г., Сулейманов А.К., Ермолаева Г.М. Результаты исследования волнового поля регионального профиля Пгзс!з-95 вероятностно-статнстическими методами. / Сб. трудов «Геофизика ХХ1 века — прорыв в будугцееээ, М., 2002. 69. Петрович М.П., Давидович М.И.
Статистическое оценнвапие н проверка гипотез на ЭВМ, — М,; Финансы и статистика, 1989. — 192 с. 70. 1!угачев В.С., Синицын А.Е. Стохастические дифференциальные системы. — М.: Наука, 71, 1'озанов 1О.А. Случайные процессы, — М„Наука, 1971. -236 с. 72. Самарский А,А., Вабищевич П,Н, Нелипейныс монотонные схемы для уравнения переноса. // ДАН, 1998. Т.
361, № 1. С. 21-23. 73. Синай Я.Г. Современные проблемы зргодической теории. — М.: Фнзматлит, 1995, — 202 74. $!ерЬепз М.А. 1/ве о1 Ко!пэойогоч-Егп!гпо'«, Сгапэег-ээоп М!вез апг! ге!а!с!! з!а!!зг!сев Ф!Ьоа! ех!епя!ээе !аЫе, //1, К, Ига!. Яос., 1970, Уо1, 32, р,115-122. 75. Тычки Д.У.
Анализ результатов наблюдений. (пер. с англ.) / Под рсд В.Э. Фигурнова.— М.: Мир, 1981. — 693 с. 7Гэ. Тюрин Ю.Н. О предельном распределении статистик Колмогорова-Смирнова для сложной гипотезы. // Изв. АН СССР. Сер. Матем., 1984, т. 43, № 6, с. 1314-1343. 77. Тюрин Ю.Н., Макаров А.Л. Статистический анализ данных на компьютерах. / Под род.
В.Э. Фигурнова. — М.: Инфра-М, 1938. 78. Тюрин 1О.Н., Макаров АА Анализ данных на компьютере. 2-е изд. М,: Инфра-М, 79. Тюрин Ю.Н., Савушкипа Н.Е. Критерии согласия для распределения Вейбулла- 1'неденко, // Изв. А11 СССР. Сер. Техническая кибернетика„1984, № 3, с, 109-112.
80. ЖКЫпзоп 1.. 'ГЬе ТгагЬ аЬои! Б!а!бог! апг! СБЯ:БТАТ18Т1СА: Ра!яс АЖег!!я!п8, Р!«3!аг!згп, %гопй Кезп1!з. — Е! апзгоп, 11,; ЗУБТАТ, 1991, 25 р. 81, Уилкс С, Математическая статистика (пер. с англ.) — М.: Наука, 1967, — 632 с, 82, Еаппсг 1,О„Я!г!ого!сЬ Ы. // РЬуя. Ке!э, 1.е!г.
1987. э/. 59. Р. 845. 83. Ферстер Э., Репц Б. Методы корреляционного н регрессионного анализа «пер. с псм.)— М.: Финансы и статистика, 1982. 84, Роз!сг Кб,, Б!паг! А. А г!1з!г!Ьн!!оп4гес !сз! !и г!пэе зсг)са г!а!е!1 оп гЬе ЬгеаИп8 о$ гссогг)з //3КЯ, 1954. У. В16, 1, р. 1-22. 85. Ег!и!нпг! А.1.
СП Саийойие оГЕсопогп!сз Бо11юаге: ЗТАТ1ЯТ1СА1. АЫА1.УБ1$. 21 р. 86. Хайкин С. Нейронные сети. Полный курс (пер. с англ.) — Москва, С-Петербург, Киев, «Вильямс», 2006. 87. Цветков Э.И. Нестационариые случайные процессы и их анализ. — М.: «Эисргия», 88. Шанчев Р. БРББ-7.5 прокладывает курс в океане да1п|ых. У РС %еек, 1997„№12 (86), с.б. 89. БспеМзп М.1. М1И1ТАВ. СНАХСЕ. П 1А1ечР 01гес11опв Хог Бгайайсз апд Сопзрп11п8. 1993, чо1.6, №1, р54-61.
90. Шугай Ю.С. Нейросетевые алгоритмы прогнозирования событий и поиска предвестников в многомерных временных рядах. // Искусственный интеллект.. Донецк, 2004, № 2, с. 211-215. 91. Эфрон Б. Нетрадициоииыс методы многомерного статистического анализа. - М.: Финансы и статистика, 1988. - 263 с. 92. клсассифи«апРР« н снижапР~а па»АРариссеи: с11~Ра». ивл. — и.~ п~>и«лая«ая статистика, Хвзав. — 60» с. 93. Система ЭВРИСТА. Электронное издание Центра статистических исследований, 1997, № 114-97.1.0.ЙЛЗБ Серия Б. 94.
Статистические и математические системы. «Тысячи программных продуктов»: Каталог. М., 1995„№2, с.88--92. вв. свв с и поппи нп «А'Рс». ! ивви:я~~ив .аА~овА»А1пы=вв 96. Статистика цеи на акции некоторых компаний. ~ »АЙ«пв ивУЮЖавювоИВВ ~ЙЮ~ В ос ВВ пвоос= РАПИ =РВА И»пв=иисВ»спас »1о ссОСЩ=1БВ»МР1 .
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
