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: Tore Schweder, Nils Lid Hjort سری: Cambridge series on statistical and probabilistic mathematics ISBN (شابک) : 0521861608, 9780521861601 ناشر: Cambridge University Press سال نشر: 2016 تعداد صفحات: 521 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 مگابایت
در صورت تبدیل فایل کتاب Confidence, Likelihood, Probability: Statistical Inference with Confidence Distributions 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 اطمینان، احتمال، احتمال: استنتاج آماری با توزیع های اطمینان 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 پر جنب و جوش روشی از توزیع اطمینان را ارائه می دهد و آنها را در مسیر خود قرار می دهد. از جمله مزایای دیگر، آنها به ترکیب بهینه رضایت از منابع مختلف اطلاعات منجر میشوند و میتوانند مدلهای پیچیده را برای آماردانانی که کمتر تمایل به ذهنی دارند، در معرض تجزیه و تحلیل عینی و در واقع بدون پیشین قرار دهند. ترکیب سخاوتمندانه تئوری، تصاویر، کاربردها و تمرین ها برای آماردانان در تمام سطوح تجربه و همچنین برای دانشمندان داده گرا مناسب است. برخی از توزیع های اطمینان نسبت به رقبای خود پراکندگی کمتری دارند. این مفهوم منجر به تئوری توابع ریسک و مقایسه برای توزیع اطمینان می شود. قضایای نوع نیمن-پیرسون که منجر به اطمینان بهینه می شود، توسعه یافته و به خوبی نشان داده شده است. توزیع اطمینان دقیق و بهینه استاندارد طلایی برای توزیع های معرفتی استنباط شده است. توزیع های اطمینان و توابع احتمال در هم تنیده شده اند و به توزیع های قبلی اجازه می دهند تا بخشی از احتمال قرار گیرند. متاآنالیز در شرایط احتمال توسعه یافته و فراتر از روشهای سنتی است و به ویژه برای ترکیب اطلاعات در منابع دادههای مختلف مناسب است.
This lively book lays out a methodology of confidence distributions and puts them through their paces. Among other merits they lead to optimal combinations of con dence from different sources of information, and they can make complex models amenable to objective and indeed prior-free analysis for less subjectively inclined statisticians. The generous mixture of theory, illustrations, applications and exercises is suitable for statisticians at all levels of experience, as well as for data-oriented scientists. Some confidence distributions are less dispersed than their competitors. This concept leads to a theory of risk functions and comparisons for distributions of confidence. Neyman-Pearson type theorems leading to optimal confidence are developed and richly illustrated. Exact and optimal confidence distribution is the gold standard for inferred epistemic distributions. Confidence distributions and likelihood functions are intertwined, allowing prior distributions to be made part of the likelihood. Meta-analysis in likelihood terms is developed and taken beyond traditional methods, suiting it in particular to combining information across diverse data sources."