Título :	Continuous Time Modeling in the Behavioral and Related Sciences
Tipo de documento:	documento electrónico
Autores:	van Montfort, Kees, ; Oud, Johan H.L, ; Voelkle, Manuel C.,
Mención de edición:	1 ed.
Editorial:	[s.l.] : Springer
Fecha de publicación:	2018
Número de páginas:	XI, 442 p. 95 ilustraciones, 44 ilustraciones en color.
ISBN/ISSN/DL:	978-3-319-77219-6
Nota general:	Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave:	Biometría  Psicobiología  Comportamiento humano  Ciencias sociales  Bioestadística  Neurociencia conductual  Aplicación informática en ciencias sociales y del comportamiento  Estadística en Ciencias Sociales  Humanidades  Derecho  Educación  Ciencias del Comportamiento  Políticas Públicas
Índice Dewey:	57.015.195
Resumen:	Este libro único proporciona una descripción general del modelado de tiempo continuo en las ciencias del comportamiento y afines. Sostiene que el uso de modelos de tiempo discreto para procesos que de hecho están evolucionando en tiempo continuo produce problemas que hacen que su aplicación en la práctica sea altamente cuestionable. Un problema principal es la dependencia de las estimaciones de parámetros de tiempo discretos del intervalo de tiempo elegido, lo que conduce a la incomparabilidad de los resultados entre diferentes intervalos de observación. El modelado de tiempo continuo mediante ecuaciones diferenciales ofrece un enfoque poderoso para estudiar fenómenos dinámicos; sin embargo, el uso de este enfoque en las ciencias del comportamiento y afines, como la psicología, la sociología, la economía y la medicina, aún es poco común. Esto es lamentable, porque en estos campos a menudo sólo están disponibles para el análisis unas pocas observaciones de tiempo discreto (muestreadas) (por ejemplo, diarias, semanales, anuales, etc.). Sin embargo, como destacó Rex Bergstrom, el pionero de la modelización de tiempo continuo en econometría, ni los seres humanos ni la economía dejan de existir entre observaciones. En 16 capítulos, el libro aborda una amplia gama de temas sobre modelado de tiempo continuo, desde enfoques que imitan fielmente los modelos de tiempo discreto lineal tradicionales hasta técnicas de modelado de espacio de estados altamente no lineales. Cada capítulo describe el tipo de preguntas de investigación y datos para los que el enfoque es más adecuado, proporciona explicaciones estadísticas detalladas de los modelos e incluye uno o más ejemplos aplicados. Para permitir a los lectores implementar las diversas técnicas directamente, el código informático adjunto está disponible en línea. El libro está pensado como obra de referencia para estudiantes y científicos que trabajan con datos longitudinales y que tienen conocimientos de estadística a nivel de maestría o de doctorado.
Nota de contenido:	Preface -- List of contributors -- First- and Higher-Order Continuous Time Models for Arbitrary N Using SEM -- A Continuous Time Approach to Intensive Longitudinal Data: What, Why and How? -- On Fitting a Continuous Time Stochastic Process Model in the Bayesian Framework -- Understanding the Time Course of Interventions with Continuous Time Dynamic Models -- Continuous-Time Modeling of Panel Data with Network Structure -- Uses and Limitation of Continuous-Time Models to Examine Dyadic Interactions -- Makes Religion Happy - or Makes Happiness Religious? An Analysis of a Three-Wave Panel Using and Comparing Discrete and Continuous Time Techniques -- Mediation Modeling: Differing Perspectives on Time Alter Mediation Inferences -- Stochastic Differential Equation Models with Time-Varying Parameters -- Robustness of Time Delay Embedding to Sampling Interval Misspecification -- Recursive Partitioning in Continuous Time Analysis -- Continuous versus Discrete Time Modelling in Growth and Business Cycle Theory -- Continuous Time State Space Modeling with an Application to High-Frequency Road Traffic Data -- Continuous Time Modelling Based on an Exact Discrete Time Representation -- Implementation of Multivariate Continuous-Time ARMA Models -- Langevin and Kalman Importance Sampling for Nonlinear Continuous-Discrete State Space Models.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

Continuous Time Modeling in the Behavioral and Related Sciences [documento electrónico] / van Montfort, Kees, ; Oud, Johan H.L, ; Voelkle, Manuel C.,  . -  1 ed.  . - [s.l.] : Springer, 2018 . - XI, 442 p. 95 ilustraciones, 44 ilustraciones en color.
ISBN : 978-3-319-77219-6
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.

Palabras clave:	Biometría  Psicobiología  Comportamiento humano  Ciencias sociales  Bioestadística  Neurociencia conductual  Aplicación informática en ciencias sociales y del comportamiento  Estadística en Ciencias Sociales  Humanidades  Derecho  Educación  Ciencias del Comportamiento  Políticas Públicas
Índice Dewey:	57.015.195
Resumen:	Este libro único proporciona una descripción general del modelado de tiempo continuo en las ciencias del comportamiento y afines. Sostiene que el uso de modelos de tiempo discreto para procesos que de hecho están evolucionando en tiempo continuo produce problemas que hacen que su aplicación en la práctica sea altamente cuestionable. Un problema principal es la dependencia de las estimaciones de parámetros de tiempo discretos del intervalo de tiempo elegido, lo que conduce a la incomparabilidad de los resultados entre diferentes intervalos de observación. El modelado de tiempo continuo mediante ecuaciones diferenciales ofrece un enfoque poderoso para estudiar fenómenos dinámicos; sin embargo, el uso de este enfoque en las ciencias del comportamiento y afines, como la psicología, la sociología, la economía y la medicina, aún es poco común. Esto es lamentable, porque en estos campos a menudo sólo están disponibles para el análisis unas pocas observaciones de tiempo discreto (muestreadas) (por ejemplo, diarias, semanales, anuales, etc.). Sin embargo, como destacó Rex Bergstrom, el pionero de la modelización de tiempo continuo en econometría, ni los seres humanos ni la economía dejan de existir entre observaciones. En 16 capítulos, el libro aborda una amplia gama de temas sobre modelado de tiempo continuo, desde enfoques que imitan fielmente los modelos de tiempo discreto lineal tradicionales hasta técnicas de modelado de espacio de estados altamente no lineales. Cada capítulo describe el tipo de preguntas de investigación y datos para los que el enfoque es más adecuado, proporciona explicaciones estadísticas detalladas de los modelos e incluye uno o más ejemplos aplicados. Para permitir a los lectores implementar las diversas técnicas directamente, el código informático adjunto está disponible en línea. El libro está pensado como obra de referencia para estudiantes y científicos que trabajan con datos longitudinales y que tienen conocimientos de estadística a nivel de maestría o de doctorado.
Nota de contenido:	Preface -- List of contributors -- First- and Higher-Order Continuous Time Models for Arbitrary N Using SEM -- A Continuous Time Approach to Intensive Longitudinal Data: What, Why and How? -- On Fitting a Continuous Time Stochastic Process Model in the Bayesian Framework -- Understanding the Time Course of Interventions with Continuous Time Dynamic Models -- Continuous-Time Modeling of Panel Data with Network Structure -- Uses and Limitation of Continuous-Time Models to Examine Dyadic Interactions -- Makes Religion Happy - or Makes Happiness Religious? An Analysis of a Three-Wave Panel Using and Comparing Discrete and Continuous Time Techniques -- Mediation Modeling: Differing Perspectives on Time Alter Mediation Inferences -- Stochastic Differential Equation Models with Time-Varying Parameters -- Robustness of Time Delay Embedding to Sampling Interval Misspecification -- Recursive Partitioning in Continuous Time Analysis -- Continuous versus Discrete Time Modelling in Growth and Business Cycle Theory -- Continuous Time State Space Modeling with an Application to High-Frequency Road Traffic Data -- Continuous Time Modelling Based on an Exact Discrete Time Representation -- Implementation of Multivariate Continuous-Time ARMA Models -- Langevin and Kalman Importance Sampling for Nonlinear Continuous-Discrete State Space Models.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i