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: [15, illustrated]
نویسندگان: Klugman. S.A.
سری: Huebner International Series on Risk, Insurance and Economic Security
ISBN (شابک) : 0792392124, 9780792392125
ناشر: Kluwer Academic Publishers
سال نشر: 1992
تعداد صفحات: 236
[125]
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 Bayesian Statistics in Actuarial Science: With Emphasis on Credibility 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 آمار بیزی در علوم پایه: با تاکید بر اعتبار 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.
از مقدمه: بحث بین طرفداران «کلاسیک» و «بیزی» روش های آماری بی وقفه ادامه دارد. هدف متن حل این مسائل نیست بلکه برای نشان دادن اینکه در حوزه علم اکچوئری تعدادی مشکل وجود دارد که به ویژه برای تحلیل بیزی مناسب هستند. این برای اکچوئرها برای مدت طولانی آشکار بوده است زمان، اما فقدان قدرت محاسباتی کافی و الگوریتم های مناسب منجر به استفاده از تقریب های مختلف دو مزیت بزرگ برای اکچوئری رویکرد بیزی این است که این روش است مستقل از مدل و اینکه تخمین های بازه ای به آسانی به عنوان تخمین نقطه ای به دست می آیند. ویژگی سابق به این معنی است که وقتی فرد یاد می گیرد چگونه یک مسئله را تجزیه و تحلیل کند، راه حل آن را پیدا می کند مشکلات مشابه، اما پیچیده تر، دشوارتر نخواهد بود. دومی اضافه می شود همانطور که از آکچوئر امروز انتظار می رود ارائه شواهد در مورد کیفیت هر گونه برآورد.
From Introduction: The debate between the proponents of "classical" and "Bayesian" statistical methods continues unabated. It is not the purpose of the text to resolve those issues but rather to demonstrate that within the realm of actuarial science there are a number of problems that are particularly suited for Bayesian analysis. This has been apparent to actuaries for a long time, but the lack of adequate computing power and appropriate algorithms had led to the use of various approximations. The two greatest advantages to the actuary of the Bayesian approach are that the method is independent of the model and that interval estimates are as easy to obtain as point estimates. The former attribute means that once one learns how to analyze one problem, the solution to similar, but more complex, problems will be no more difficult. The second one takes on added significance as the actuary of today is expected to provide evidence concerning the quality of any estimates.