دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [1st Edition]
نویسندگان: Jonathan Gillard
سری: Springer Undergraduate Mathematics Series
ISBN (شابک) : 303039560X, 9783030395612
ناشر: Springer
سال نشر: 2020
تعداد صفحات: 167
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 Mb
در صورت تبدیل فایل کتاب A First Course In Statistical Inference به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب اولین دوره در استنتاج آماری نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب مقدمه ای مدرن و قابل دسترس برای استنتاج آماری، علم استنباط اطلاعات کلیدی از داده ها، ارائه می دهد. این کتاب با هدف شروع دانشجویان مقطع کارشناسی در ریاضیات، مفاهیمی را ارائه میکند که زیربنای نظریه آماری فراوانی است. این متن مختصر که به سبک محاورهای و غیررسمی نوشته شده است، بر ایدهها و مفاهیم متمرکز است و قضایای کلیدی بیان و اثبات شده است. نمونههای کار شده با جزئیات گنجانده شدهاند و هر فصل با مجموعهای از تمرینها با راهحلهای کامل در پشت کتاب به پایان میرسد. نمونه هایی با استفاده از R در سراسر کتاب ارائه شده است، همراه با راهنمای مختصری برای نرم افزار موجود است. موضوعاتی که در این کتاب پوشش داده شده عبارتند از: توزیعهای نمونهگیری، ویژگیهای برآوردگرها، فواصل اطمینان، آزمون فرضیه، ANOVA و برازش یک خط مستقیم به دادههای زوجی. بر اساس تجربه تدریس گسترده نویسنده، مطالب کتاب توسط بازخورد دانشآموزان برای بیش از یک دهه تکمیل شده است. با فرض آشنایی با احتمال ابتدایی، این کتاب درسی برای یک ترم اول دروس آمار ابداع شده است.
This book offers a modern and accessible introduction to Statistical Inference, the science of inferring key information from data. Aimed at beginning undergraduate students in mathematics, it presents the concepts underpinning frequentist statistical theory. Written in a conversational and informal style, this concise text concentrates on ideas and concepts, with key theorems stated and proved. Detailed worked examples are included and each chapter ends with a set of exercises, with full solutions given at the back of the book. Examples using R are provided throughout the book, with a brief guide to the software included. Topics covered in the book include: sampling distributions, properties of estimators, confidence intervals, hypothesis testing, ANOVA, and fitting a straight line to paired data. Based on the author’s extensive teaching experience, the material of the book has been honed by student feedback for over a decade. Assuming only some familiarity with elementary probability, this textbook has been devised for a one semester first course in statistics.
Aim......Page 7
Use of R......Page 8
Contents......Page 9
1.2.1 Discrete and Continuous Random Variables......Page 11
1.2.2 Probability Mass/Density Functions......Page 13
1.3 Exercises......Page 19
2.1 Introduction......Page 20
2.2 Sampling Distributions......Page 22
2.3 Key Results on the Sample Mean, Sample Variance, Sample Minimum, and Sample Maximum......Page 25
2.4.1 Normal Distribution......Page 31
2.4.2 Student's t-Distribution......Page 34
2.4.3 Chi-Squared Distribution......Page 35
2.4.4 F-Distribution......Page 37
2.5 Central Limit Theorem......Page 38
2.6 Exercises......Page 41
3.2 Bias and Variance......Page 43
3.3 Mean Square Error......Page 46
3.4 Exercises......Page 50
4.1 Introduction......Page 52
4.2 Commonly Used Confidence Intervals......Page 54
4.2.1 Confidence Intervals for Unknown Means......Page 55
4.2.2 Confidence Intervals for Unknown Variances......Page 63
4.3 Exercises......Page 67
5.1 Introduction......Page 69
5.2 Power......Page 83
5.3 Categorical Data......Page 88
5.3.1 The Chi-Square Goodness-of-Fit Test......Page 89
5.3.2 Contingency Tables for Testing Independence......Page 92
5.4 Exercises......Page 94
6.2 Notation and Setup......Page 97
6.3 Possible Sources of Variation......Page 98
6.3.2 Between-Group Sum of Squares, SSG......Page 99
6.3.3 Within-Group Sum of Squares, SSerror......Page 100
6.3.4 ANOVA Table......Page 101
6.3.5 Multiple Comparison Tests......Page 102
6.4 Exercises......Page 106
7.1 Introduction......Page 108
7.2 Least Squares Regression......Page 109
7.3 Properties of the Least Squares Estimators: Distributions......Page 113
7.3.2 Mean and Variance of......Page 114
7.3.4 Distributional Results......Page 115
7.3.5 Estimating the Error Variance σ2......Page 117
7.4 Exercises......Page 121
A.2 What R Looks Like......Page 123
A.3 Dealing with Data......Page 127
B.1 Problems of Chap. 1摥映數爠eflinkprobl11......Page 129
B.2 Problems of Chap. 2摥映數爠eflinkchap:sampling22......Page 132
B.3 Problems of Chap. 3摥映數爠eflinkchap:est33......Page 136
B.4 Problems of Chap. 4摥映數爠eflinkchap:ci44......Page 140
B.5 Problems of Chap. 5摥映數爠eflinkchap:ht55......Page 142
B.6 Problems of Chap. 6摥映數爠eflinkchap:ANOVA66......Page 146
B.7 Problems of Chap. 7摥映數爠eflinkchap:reg77......Page 149
C.1 The Normal Distribution Function......Page 151
C.3 Percentage Points of the Chi-Squared Distribution......Page 154
C.4 Percentage Points of the Student's t-Distribution......Page 156
C.5 Percentage Points of the F-Distribution......Page 157
Index......Page 166