دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Density estimation for statistics and data analysis
دانلود کتاب تخمین چگالی برای آمار و تجزیه و تحلیل داده ها
مشخصات کتاب
Density estimation for statistics and data analysis
ویرایش:
نویسندگان: Silverman. B. W
سری: Monographs on statistics and applied probability (Series) 26
ISBN (شابک) : 9781351456166, 1351456164
ناشر: Routledge
سال نشر: 2018
تعداد صفحات: 186
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 8 مگابایت
قیمت کتاب (تومان) : 45,000
کلمات کلیدی مربوط به کتاب تخمین چگالی برای آمار و تجزیه و تحلیل داده ها: تئوری تخمین.,تخمین چگالی.,آمار ناپارامتری.,تئوری تخمین.,آمار.,تخمین پارامتر.
در صورت تبدیل فایل کتاب Density estimation for statistics and data analysis 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 تخمین چگالی برای آمار و تجزیه و تحلیل داده ها 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.
توضیحاتی در مورد کتاب تخمین چگالی برای آمار و تجزیه و تحلیل داده ها
اگرچه در سال‌های اخیر علاقه زیادی به تخمین چگالی وجود داشته است، بسیاری از تحقیقات منتشر شده با موضوعات فنی صرفاً با تأکید ناکافی بر ارزش عملی این تکنیک مرتبط بوده‌اند. علاوه بر این، موضوع برای آمارگیر عمومی غیرقابل دسترس بوده است. گزارش ارائه شده در این کتاب بر موضوعاتی با اهمیت روش‌شناختی تأکید می‌کند، به این امید که این امر کاربرد عملی گسترده‌تر تخمین چگالی را تسهیل کند و همچنین تحقیق در مورد کار نظری مرتبط را تشویق کند. این کتاب همچنین مقدمه‌ای بر این موضوع برای کسانی که علاقه‌مند به آمار هستند ارائه می‌کند. نقش مهم تخمین چگالی به عنوان یک تکنیک گرافیکی با گنجاندن بیش از 50 نمودار و شکل در سراسر متن منعکس می شود. زمینه‌های مختلفی که می‌توان در آن‌ها تخمین چگالی استفاده کرد، از جمله کاوش و ارائه داده‌ها، تجزیه و تحلیل متمایز ناپارامتریک، تجزیه و تحلیل خوشه‌ای، شبیه‌سازی و راه‌انداز، شکار دست‌انداز، تعقیب طرح‌ریزی، و تخمین میزان خطر و مقادیر دیگری که به تراکم این کتاب شامل بررسی کلی روش های موجود برای تخمین چگالی است. روش کرنل، هم برای داده‌های تک متغیره و هم برای داده‌های چند متغیره، به تفصیل مورد بحث قرار می‌گیرد، با تأکید ویژه بر روش‌های تصمیم‌گیری برای هموارسازی و جنبه‌های محاسباتی. همچنین به روش‌های تطبیقی، که به میزان بیشتری در انتهای توزیع هموار می‌شوند، و به روش‌های مبتنی بر ایده احتمال جریمه‌شده توجه می‌شود.
توضیحاتی درمورد کتاب به خارجی
Although there has been a surge of interest in density estimation in recent years, much of the published research has been concerned with purely technical matters with insufficient emphasis given to the technique's practical value. Furthermore, the subject has been rather inaccessible to the general statistician. The account presented in this book places emphasis on topics of methodological importance, in the hope that this will facilitate broader practical application of density estimation and also encourage research into relevant theoretical work. The book also provides an introduction to the subject for those with general interests in statistics. The important role of density estimation as a graphical technique is reflected by the inclusion of more than 50 graphs and figures throughout the text. Several contexts in which density estimation can be used are discussed, including the exploration and presentation of data, nonparametric discriminant analysis, cluster analysis, simulation and the bootstrap, bump hunting, projection pursuit, and the estimation of hazard rates and other quantities that depend on the density. This book includes general survey of methods available for density estimation. The Kernel method, both for univariate and multivariate data, is discussed in detail, with particular emphasis on ways of deciding how much to smooth and on computation aspects. Attention is also given to adaptive methods, which smooth to a greater degree in the tails of the distribution, and to methods based on the idea of penalized likelihood.
فهرست مطالب
Content: Introduction --
Survey of existing methods --
The kernel method for univariate data --
The kernel method for multivariate data --
Three important methods --
Density estimation in action.
