Computer Intensive Methods in Statistics

این کتاب درسی مروری بر روش‌های آماری است که در سال‌های گذشته به دلیل استفاده روزافزون از رایانه توسعه یافته‌اند، از جمله مولد اعداد تصادفی، روش‌های مونت کارلو، روش‌های زنجیره مارکوف مونت کارلو (MCMC)، بوت استرپ، الگوریتم‌های EM، SIMEX، انتخاب متغیر، تخمین‌گر چگالی، تخمین‌گر هسته، تخمین‌زن چند جمله‌ای متعامد و محلی، تخمین‌گر موجک، spline و ارزیابی مدل. روش های فشرده کامپیوتر در آمار برای دانشجویان در مقطع کارشناسی ارشد نوشته شده است، اما می تواند توسط پزشکان نیز استفاده شود.

ویژگی ها

• ایده های اصلی روش های آماری فشرده کامپیوتری را ارائه می دهد
• الگوریتم های همه روش ها را ارائه می دهد

</ p>

• از طرح ها و تصاویر مختلف برای توضیح ایده های اصلی استفاده می کند
• دارای پیشینه های نظری اصلی است. مواد و روش ها.
• شامل کدهای R برای روش‌ها و مثال‌ها

سیلولین زوانزیگ دانشیار آمار ریاضی در دانشگاه اوپسالا. او ریاضیات را در دانشگاه هومبولت در برلین خواند. او قبل از آمدن به سوئد، استادیار دانشگاه هامبورگ آلمان بود. او دکترای خود را دریافت کرد. در ریاضیات در آکادمی علوم GDR. وی از سال 1991 به تدریس آمار برای دانشجویان مقطع کارشناسی و کارشناسی ارشد پرداخته است. علایق تحقیقاتی او از آمار نظری به آمار فشرده کامپیوتری منتقل شده است.

بهرنگ مهجانی دانشجوی فوق دکتری با مدرک دکتری است. در محاسبات علمی با تمرکز بر آمار محاسباتی، از دانشگاه اوپسالا، سوئد. او در سپتامبر 2017 به مرکز تحقیقات و درمان اوتیسم سیور در دانشکده پزشکی Icahn در کوه سینا، نیویورک، پیوست و قبلاً یک عضو فوق دکتری در موسسه کارولینسکا، استکهلم، سوئد بود. تحقیقات او بر حل مسائل در مقیاس بزرگ از طریق روش های آماری و محاسباتی متمرکز است.

This textbook gives an overview of statistical methods that have been developed during the last years due to increasing computer use, including random number generators, Monte Carlo methods, Markov Chain Monte Carlo (MCMC) methods, Bootstrap, EM algorithms, SIMEX, variable selection, density estimators, kernel estimators, orthogonal and local polynomial estimators, wavelet estimators, splines, and model assessment. Computer Intensive Methods in Statistics is written for students at graduate level, but can also be used by practitioners.

Features

• Presents the main ideas of computer-intensive statistical methods
• Gives the algorithms for all the methods
• Uses various plots and illustrations for explaining the main ideas
• Features the theoretical backgrounds of the main methods.
• Includes R codes for the methods and examples

Silvelyn Zwanzig is an Associate Professor for Mathematical Statistics at Uppsala University. She studied Mathematics at the Humboldt- University in Berlin. Before coming to Sweden, she was Assistant Professor at the University of Hamburg in Germany. She received her Ph.D. in Mathematics at the Academy of Sciences of the GDR. Since 1991, she has taught Statistics for undergraduate and graduate students. Her research interests have moved from theoretical statistics to computer intensive statistics.

Behrang Mahjani is a postdoctoral fellow with a Ph.D. in Scientific Computing with a focus on Computational Statistics, from Uppsala University, Sweden. He joined the Seaver Autism Center for Research and Treatment at the Icahn School of Medicine at Mount Sinai, New York, in September 2017 and was formerly a postdoctoral fellow at the Karolinska Institutet, Stockholm, Sweden. His research is focused on solving large-scale problems through statistical and computational methods.