تحلیل طیف منفرد: با استفاده از R ۲۰۱۸
Singular Spectrum Analysis: Using R 2018

این کتاب مقدمه‌ای جامع بر جنبه‌های محاسباتی تحلیل طیف منفرد (SSA) ارائه می‌دهد. SSA یک تکنیک غیرپارامتری است و نیازی به فرضیات پیشینی مانند پایا بودن، نرمال بودن یا خطی بودن سری‌ها ندارد. ویژگی منحصربه‌فرد این کتاب این است که نه‌تنها به تشریح جنبه‌های نظری SSA می‌پردازد، بلکه راهنمایی جامعی را ارائه می‌کند که کاربر را قادر می‌سازد تا با استفاده از نرم‌افزار R، تئوری را در عمل به کار گیرد. علاوه بر این، راهنمایی گام‌به‌گام کدنویسی و دستورالعمل‌های لازم برای کاربرد عملی تکنیک SSA در تجزیه و تحلیل پایگاه‌های داده سری زمانی با استفاده از R را در اختیار کاربر قرار می‌دهد. دو فصل نخست، مفاهیم اولیه SSA تک‌متغیره و چندمتغیره و پیاده‌سازی آن‌ها در محیط R را ارائه می‌کنند. فصل‌های بعدی به بحث در مورد کاربردهای SSA در تشخیص نقاط تغییر، جایگزینی داده‌های از دست رفته، هموارسازی و فیلتر کردن می‌پردازند. این کتاب برای محققان، دانشجویان سطوح بالا (کارشناسی ارشد و بالاتر) و متخصصانی که مایل به احیای دانش خود در زمینه تجزیه و تحلیل سری‌های زمانی هستند یا می‌خواهند به سرعت در مورد سازوکارهای اصلی SSA اطلاعات کسب کنند، مناسب است.

This book provides a broad introduction to computational aspects of Singular Spectrum Analysis (SSA) which is a non-parametric technique and requires no prior assumptions such as stationarity, normality or linearity of the series. This book is unique as it not only details the theoretical aspects underlying SSA, but also provides a comprehensive guide enabling the user to apply the theory in practice using the R software. Further, it provides the user with step- by- step coding and guidance for the practical application of the SSA technique to analyze their time series databases using R. The first two chapters present basic notions of univariate and multivariate SSA and their implementations in R environment. The next chapters discuss the applications of SSA to change point detection, missing-data imputation, smoothing and filtering. This book is appropriate for researchers, upper level students (masters level and beyond) and practitioners wishing to revive their knowledge of times series analysis or to quickly learn about the main mechanisms of SSA.