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: Mayer Alvo. Philip L. H. Yu سری: Springer Series in the Data Sciences ISBN (شابک) : 9783319941523 ناشر: Springer سال نشر: 2018 تعداد صفحات: 277 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب رویکرد پارامتریک به آمار ناپارامتریک: آمار، آمار ناپارامتریک
در صورت تبدیل فایل کتاب A Parametric Approach to Nonparametric Statistics 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 رویکرد پارامتریک به آمار ناپارامتریک 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 نشان می دهد که آمار ناپارامتریک را می توان از نقطه نظر پارامتریک آموزش داد. در نتیجه، میتوان از ابزارهای پارامتری مختلف مانند استفاده از تابع درستنمایی، احتمال جریمهشده و توابع امتیاز بهرهبرداری کرد تا نه تنها از آزمونهای شناختهشده استخراج شود، بلکه فراتر رفت و از روشهای بیزی برای تجزیه و تحلیل دادههای رتبهبندی استفاده کرد. این کتاب شکاف بین آمار پارامتری و ناپارامتریک را پر می کند و بهترین شیوه های اولی را در حالی که از ویژگی های استحکام دومی بهره می برد، ارائه می دهد. این کتاب را می توان در دوره های تحصیلات تکمیلی در ناپارامتریک استفاده کرد و بخش هایی از آن برای دانشجویان ارشد قابل دسترسی است. علاوه بر این، این کتاب مورد توجه آماردانان و محققان در زمینه های کاربردی خواهد بود.
This book demonstrates that nonparametric statistics can be taught from a parametric point of view. As a result, one can exploit various parametric tools such as the use of the likelihood function, penalized likelihood and score functions to not only derive well-known tests but to also go beyond and make use of Bayesian methods to analyze ranking data. The book bridges the gap between parametric and nonparametric statistics and presents the best practices of the former while enjoying the robustness properties of the latter. This book can be used in a graduate course in nonparametrics, with parts being accessible to senior undergraduates. In addition, the book will be of wide interest to statisticians and researchers in applied fields.
Front Matter ....Pages i-xiv
Front Matter ....Pages 1-1
Introduction (Mayer Alvo, Philip L. H. Yu)....Pages 3-4
Fundamental Concepts in Parametric Inference (Mayer Alvo, Philip L. H. Yu)....Pages 5-44
Tools for Nonparametric Statistics (Mayer Alvo, Philip L. H. Yu)....Pages 45-59
Front Matter ....Pages 61-61
Smooth Goodness of Fit Tests (Mayer Alvo, Philip L. H. Yu)....Pages 63-89
One-Sample and Two-Sample Problems (Mayer Alvo, Philip L. H. Yu)....Pages 91-115
Multi-Sample Problems (Mayer Alvo, Philip L. H. Yu)....Pages 117-135
Tests for Trend and Association (Mayer Alvo, Philip L. H. Yu)....Pages 137-161
Optimal Rank Tests (Mayer Alvo, Philip L. H. Yu)....Pages 163-186
Efficiency (Mayer Alvo, Philip L. H. Yu)....Pages 187-205
Front Matter ....Pages 207-207
Multiple Change-Point Problems (Mayer Alvo, Philip L. H. Yu)....Pages 209-227
Bayesian Models for Ranking Data (Mayer Alvo, Philip L. H. Yu)....Pages 229-243
Analysis of Censored Data (Mayer Alvo, Philip L. H. Yu)....Pages 245-256
Back Matter ....Pages 257-279