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
دسته بندی: آمار ریاضی ویرایش: نویسندگان: Bing Li. G. Jogesh Babu سری: Springer Texts In Statistics ISBN (شابک) : 1493997599, 9781493997596 ناشر: Springer سال نشر: 2019 تعداد صفحات: 386 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب دوره تحصیلات تکمیلی در مورد استنباط آماری: استنباط آماری، دوره تحصیلات تکمیلی
در صورت تبدیل فایل کتاب A Graduate Course on 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 دوره تحصیلات تکمیلی در مورد استنباط 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 درسی یک نمای کلی در دسترس و جامع از تخمین و استنتاج آماری ارائه می دهد که روندهای فعلی در تحقیقات آماری را منعکس می کند. این از سه موضوع اصلی در سراسر نشأت میگیرد: نظریه نمونه محدود، نظریه مجانبی، و آمار بیزی. نویسندگان فصلی را در مورد تخمین معادلات بهعنوان وسیلهای برای یکسان کردن طیف وسیعی از روششناسیهای مفید، از جمله مدلهای خطی تعمیمیافته، معادلات برآورد تعمیمیافته، تخمین شبه احتمال، و استنتاج مشروط گنجاندهاند. آنها همچنین از مجموعه استاندارد شده ای از مفروضات و ابزارها در سرتاسر استفاده می کنند، که شرایط منظمی را تحمیل می کنند و در نتیجه حجم منسجم و منسجم تری ایجاد می کنند. این متن که برای مخاطبان مقطع کارشناسی ارشد نوشته شده است، می تواند در دوره های یک ترم یا دو ترم استفاده شود.
This textbook offers an accessible and comprehensive overview of statistical estimation and inference that reflects current trends in statistical research. It draws from three main themes throughout: the finite-sample theory, the asymptotic theory, and Bayesian statistics. The authors have included a chapter on estimating equations as a means to unify a range of useful methodologies, including generalized linear models, generalized estimation equations, quasi-likelihood estimation, and conditional inference. They also utilize a standardized set of assumptions and tools throughout, imposing regular conditions and resulting in a more coherent and cohesive volume. Written for the graduate-level audience, this text can be used in a one-semester or two-semester course.
Front Matter ....Pages I-XII
Probability and Random Variables (Bing Li, G. Jogesh Babu)....Pages 1-29
Classical Theory of Estimation (Bing Li, G. Jogesh Babu)....Pages 31-60
Testing Hypotheses for a Single Parameter (Bing Li, G. Jogesh Babu)....Pages 61-98
Testing Hypotheses in the Presence of Nuisance Parameters (Bing Li, G. Jogesh Babu)....Pages 99-134
Basic Ideas of Bayesian Methods (Bing Li, G. Jogesh Babu)....Pages 135-172
Bayesian Inference (Bing Li, G. Jogesh Babu)....Pages 173-201
Asymptotic tools and projections (Bing Li, G. Jogesh Babu)....Pages 203-236
Asymptotic theory for Maximum Likelihood Estimation (Bing Li, G. Jogesh Babu)....Pages 237-259
Estimating equations (Bing Li, G. Jogesh Babu)....Pages 261-293
Convolution Theorem and Asymptotic Efficiency (Bing Li, G. Jogesh Babu)....Pages 295-327
Asymptotic Hypothesis Test (Bing Li, G. Jogesh Babu)....Pages 329-374
Back Matter ....Pages 375-379