دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Essential Statistical Inference: Theory and Methods
دانلود کتاب استنباط آماری ضروری: نظریه و روش ها
مشخصات کتاب
Essential Statistical Inference: Theory and Methods
ویرایش: 2013 نویسندگان: Dennis D. Boos, L A Stefanski سری: Springer Texts in Statistics ISBN (شابک) : 1461448174, 9781461448174 ناشر: Springer سال نشر: 2013 تعداد صفحات: 566 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
قیمت کتاب (تومان) : 42,000
در صورت تبدیل فایل کتاب Essential Statistical Inference: Theory and Methods 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 استنباط آماری ضروری: نظریه و روش 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 استنباط آماری ضروری: نظریه و روش ها
این کتاب برای دانش‌آموزان و محققینی است که دوره‌ی آمار ریاضی در مقطع کارشناسی ارشد سال اول را گذرانده‌اند. این احتمال کلاسیک، بیزی و استنتاج جایگشت را پوشش می دهد. مقدمه ای بر نظریه توزیع مجانبی پایه و موضوعات مدرن مانند M-estimation، jackknife، و bootstrap. کد R در سراسر متن بافته شده است و تعداد زیادی مثال و مشکل وجود دارد. یک هدف مهم این بوده است که موضوعات را با کمی اتکای آشکار به تئوری اندازه گیری در دسترس مخاطبان گسترده قرار دهیم. یک دوره معمولی ترم شامل فصل‌های 1-6 (برآورد و آزمایش مبتنی بر احتمال، استنتاج بیزی، نتایج مجانبی پایه) به‌علاوه انتخاب‌هایی از تخمین M و روش‌شناسی آزمایش و نمونه‌گیری مجدد مرتبط است. دنیس بوس و لن استفانسکی استادان بخش آمار در ایالت کارولینای شمالی هستند. تحقیقات آنها التقاطی بوده است، اغلب با زاویه استحکام، اگرچه استفانسکی همچنین به دلیل تحقیقات متمرکز بر خطای اندازه‌گیری، از جمله یک کتاب مشترک در مورد مدل‌های خطای اندازه‌گیری غیرخطی، شناخته شده است. در سال های اخیر نویسندگان به طور مشترک روی روش های انتخاب متغیر کار کرده اند. را
توضیحاتی درمورد کتاب به خارجی
This book is for students and researchers who have had a first year graduate level mathematical statistics course. It covers classical likelihood, Bayesian, and permutation inference; an introduction to basic asymptotic distribution theory; and modern topics like M-estimation, the jackknife, and the bootstrap. R code is woven throughout the text, and there are a large number of examples and problems. An important goal has been to make the topics accessible to a wide audience, with little overt reliance on measure theory. A typical semester course consists of Chapters 1-6 (likelihood-based estimation and testing, Bayesian inference, basic asymptotic results) plus selections from M-estimation and related testing and resampling methodology. Dennis Boos and Len Stefanski are professors in the Department of Statistics at North Carolina State. Their research has been eclectic, often with a robustness angle, although Stefanski is also known for research concentrated on measurement error, including a co-authored book on non-linear measurement error models. In recent years the authors have jointly worked on variable selection methods.
فهرست مطالب
Front Matter....Pages i-xvii
Front Matter....Pages 1-1
Roles of Modeling in Statistical Inference....Pages 3-23
Front Matter....Pages 25-25
Likelihood Construction and Estimation....Pages 27-124
Likelihood-Based Tests and Confidence Regions....Pages 125-161
Bayesian Inference....Pages 163-203
Front Matter....Pages 205-205
Large Sample Theory: The Basics....Pages 207-274
Large Sample Results for Likelihood-Based Methods....Pages 275-293
Front Matter....Pages 295-295
M-Estimation (Estimating Equations)....Pages 297-337
Hypothesis Tests under Misspecification and Relaxed Assumptions....Pages 339-359
Front Matter....Pages 361-361
Monte Carlo Simulation Studies....Pages 363-383
Jackknife....Pages 385-411
Bootstrap....Pages 413-448
Permutation and Rank Tests....Pages 449-530
Back Matter....Pages 531-568
