Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Nous utilisons des cookies dans le but suivant :
Assurer le bon fonctionnement du site web, améliorer la sécurité et prévenir la fraude
Avoir un aperçu de l'utilisation du site web, afin d'améliorer son contenu et ses fonctionnalités
Pouvoir vous montrer les publicités les plus pertinentes sur des plateformes externes
Gestion des cookies
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Cookies techniques et fonctionnels
Ces cookies sont indispensables au bon fonctionnement du site internet et vous permettent par exemple de vous connecter. Vous ne pouvez pas désactiver ces cookies.
Cookies analytiques
Ces cookies collectent des informations anonymes sur l'utilisation de notre site web. De cette façon, nous pouvons mieux adapter le site web aux besoins des utilisateurs.
Cookies marketing
Ces cookies partagent votre comportement sur notre site web avec des parties externes, afin que vous puissiez voir des publicités plus pertinentes de Club sur des plateformes externes.
Une erreur est survenue, veuillez réessayer plus tard.
Il y a trop d’articles dans votre panier
Vous pouvez encoder maximum 250 articles dans votre panier en une fois. Supprimez certains articles de votre panier ou divisez votre commande en plusieurs commandes.
Classical time series methods are based on the assumption that a particular stochastic process model generates the observed data. The, most commonly used assumption is that the data is a realization of a stationary Gaussian process. However, since the Gaussian assumption is a fairly stringent one, this assumption is frequently replaced by the weaker assumption that the process is wide sense stationary and that only the mean and covariance sequence is specified. This approach of specifying the probabilistic behavior only up to "second order" has of course been extremely popular from a theoretical point of view be- cause it has allowed one to treat a large variety of problems, such as prediction, filtering and smoothing, using the geometry of Hilbert spaces. While the literature abounds with a variety of optimal estimation results based on either the Gaussian assumption or the specification of second-order properties, time series workers have not always believed in the literal truth of either the Gaussian or second-order specifica- tion. They have none-the-less stressed the importance of such optimali- ty results, probably for two main reasons: First, the results come from a rich and very workable theory. Second, the researchers often relied on a vague belief in a kind of continuity principle according to which the results of time series inference would change only a small amount if the actual model deviated only a small amount from the assum- ed model.