Analyse von Zufallsprozessen

Verbesserte Zufallsprozesse »

Mathematica Version 10 erweitert das bereits vorhandene extensive Zufallsprozess-Framework mit neuen Prozessen, inklusive Hidden-Markov-Modellen. Hidden-Markov-Modelle werden typischerweise verwendet, um Rückschlüsse über die versteckten inneren Zustände aufgrund ihrer Emissionen abzuleiten, wie z. B. in der Spracherkennung, Computerlinguistik oder biologischen Sequenzanalyse. Das Framework für Zufallsprozesse umfasst außerdem fortschrittliche Zeitreihenprozesse und Transformationsmöglichkeiten von bestehenden Prozessen; zusätzlich deutlich verbesserte Berechnungen mit Zeitintervall-Verteilungen - der Verbindung von Zufallsprozessen zu Zufallsvariablen - oft mit dem Ergebnis, zuverlässige Rückschlüsse vom Modell auf das erwartete Verhalten des Prozesses ziehen zu können.

Mehr Informationen

Verbesserte Zufallsprozesse in Mathematica 10

Erweiterte Zeitreihenprozesse »

Mathematica Version 10 umfasst vollständig automatisiertes Fitten sowie die Diagnose von Zeitreihenprozessen, was das Modellieren von Zeitreihen zu einem alltäglich nutzbaren Werkzeug macht. Das Modellieren von Zeitreihen wurde vertieft und umfasst nun auch ARCH- und GARCH-Prozesse ebenso wie vektorielle Modelle von Zeitreihen. Das gesamt Zeitreihen-Framework wurde überarbeitet und verbessert, inklusive Simulation, Schätzung und Berechnung von Eigenschaften.

Mehr Informationen

Erweiterte Zeitreihenprozesse in Mathematica 10

ID=3994