Advances in Complex Data Modeling and Computational Methods in Statistics

خطاب این کتاب برای آماردانانی است که در خط مقدم تحلیل آماری داده‌های پیچیده و با ابعاد بالا کار می‌کنند و طیف گسترده‌ای از مدل‌های آماری، روش‌ها و کاربردهای کامپیوتری فشرده را ارائه می‌دهد: استنتاج شبکه از تجزیه و تحلیل داده‌های با ابعاد بالا. پیشرفت های جدید برای بوت استرپ داده های پیچیده؛ تجزیه و تحلیل رگرسیون برای اندازه گیری ریسک شهرت کوچک. روش های آماری برای تحقیق در مورد پویایی ژنوم انسان. استنتاج در تنظیمات غیر اقلیدسی و برای داده های شکل. روش های بیزی برای قابلیت اطمینان و تجزیه و تحلیل داده های پیچیده. مسائل روش شناختی در استفاده از داده های اداری برای تحقیقات بالینی و اپیدمیولوژیک؛ مدل های رگرسیون با نظم دهی دیفرانسیل. روش های زمین آماری برای تجزیه و تحلیل تحرک از طریق اکتشاف داده های تلفن همراه این جلد نتیجه یک انتخاب دقیق از میان مشارکت‌های ارائه‌شده در کنفرانس «S.Co.2013: مدل‌سازی داده‌های پیچیده و روش‌های فشرده محاسباتی برای تخمین و پیش‌بینی» است که در Politecnico di Milano، 2013 برگزار شد. همه مقالات منتشر شده است. اینجا به شدت مورد بازبینی همتایان قرار گرفته است.

The book is addressed to statisticians working at the forefront of the statistical analysis of complex and high dimensional data and offers a wide variety of statistical models, computer intensive methods and applications: network inference from the analysis of high dimensional data; new developments for bootstrapping complex data; regression analysis for measuring the downsize reputational risk; statistical methods for research on the human genome dynamics; inference in non-euclidean settings and for shape data; Bayesian methods for reliability and the analysis of complex data; methodological issues in using administrative data for clinical and epidemiological research; regression models with differential regularization; geostatistical methods for mobility analysis through mobile phone data exploration. This volume is the result of a careful selection among the contributions presented at the conference "S.Co.2013: Complex data modeling and computationally intensive methods for estimation and prediction" held at the Politecnico di Milano, 2013. All the papers published here have been rigorously peer-reviewed.