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:
نویسندگان: Larry Wasserman
سری: Springer Texts in Statistics',
ISBN (شابک) : 0387402721, 9780387402727
ناشر: Springer
سال نشر: 2003
تعداد صفحات: 455
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
در صورت تبدیل فایل کتاب All of Statistics: A Concise Course in Statistical Inference (Springer Texts in 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 همه آمارها: یک دوره مختصر در استنباط آماری (متن های Springer در آمار) 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.
برنده جایزه DEGROOT 2005! این کتاب برای افرادی است که می خواهند آمار و احتمالات را به سرعت یاد بگیرند. بسیاری از ایده های اصلی در آمار مدرن را در یک مکان گرد هم می آورد. این کتاب برای دانشجویان و محققین آمار، علوم کامپیوتر، داده کاوی و یادگیری ماشین مناسب است. این کتاب طیف وسیع تری از موضوعات را نسبت به یک متن معمولی مقدماتی در مورد آمار ریاضی پوشش می دهد. این شامل موضوعات مدرن مانند تخمین منحنی ناپارامتری، راهاندازی و طبقهبندی است، موضوعاتی که معمولاً به دورههای بعدی منتقل میشوند. فرض بر این است که خواننده حساب دیفرانسیل و انتگرال و کمی جبر خطی را می داند. هیچ دانش قبلی از احتمال و آمار مورد نیاز نیست. متن را می توان در سطح پیشرفته کارشناسی و کارشناسی ارشد استفاده کرد.
WINNER OF THE 2005 DEGROOT PRIZE! This book is for people who want to learn probability and statistics quickly. It brings together many of the main ideas in modern statistics in one place. The book is suitable for students and researchers in statistics, computer science, data mining and machine learning. This book covers a much wider range of topics than a typical introductory text on mathematical statistics. It includes modern topics like nonparametric curve estimation, bootstrapping and classification, topics that are usually relegated to follow-up courses. The reader is assumed to know calculus and a little linear algebra. No previous knowledge of probability and statistics is required. The text can be used at the advanced undergraduate and graduate level.