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: 1st edition نویسندگان: G. A. Young, R. L. Smith سری: Cambridge Series in Statistical and Probabilistic Mathematics ISBN (شابک) : 0521839718, 9780521839716 ناشر: Cambridge University Press سال نشر: 2005 تعداد صفحات: 238 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب ضروریات استنتاج آماری: ریاضیات، نظریه احتمالات و آمار ریاضی، آمار ریاضی
در صورت تبدیل فایل کتاب Essentials of Statistical Inference 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 ضروریات استنتاج آماری 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 درسی جذاب، مفاهیم و نتایج زیربنای رویکردهای بیزی، مکرر و ماهیگیری را برای استنتاج آماری، با تأکید ویژه بر تضادهای بین آنها، ارائه میکند. این کتاب با هدف دانشجویان پیشرفته و کارشناسی ارشد در ریاضیات و رشتههای مرتبط، به صورت مختصر هم نظریه پایه ریاضی و هم مطالب پیشرفتهتر را شامل میشود، از جمله موضوعات معاصر مانند محاسبات بیزی، نظریه احتمال مرتبه بالاتر، استنتاج پیشبینی، روشهای راهاندازی و استنتاج شرطی. . این شامل نمونههای گستردهای از کاربرد تکنیکهای استنتاج رسمی برای دادههای واقعی، و همچنین تفسیر تاریخی در مورد توسعه موضوع است. در سرتاسر متن، به جای جزئیات ریاضی، روی مفاهیم تمرکز می کند، در حالی که سطح مناسبی از رسمیت را حفظ می کند. هر فصل با مجموعه ای از مشکلات قابل دسترس به پایان می رسد. برخی از دانش قبلی از احتمال فرض می شود، در حالی که برخی از دانش قبلی از اهداف و رویکردهای اصلی برای استنتاج آماری مفید خواهد بود، اما ضروری نیست.
This engaging textbook presents the concepts and results underlying the Bayesian, frequentist and Fisherian approaches to statistical inference, with particular emphasis on the contrasts between them. Aimed at advanced undergraduates and graduate students in mathematics and related disciplines, it covers in a concise treatment both basic mathematical theory and more advanced material, including such contemporary topics as Bayesian computation, higher-order likelihood theory, predictive inference, bootstrap methods and conditional inference. It contains numerous extended examples of the application of formal inference techniques to real data, as well as historical commentary on the development of the subject. Throughout, the text concentrates on concepts, rather than mathematical detail, while maintaining appropriate levels of formality. Each chapter ends with a set of accessible problems. Some prior knowledge of probability is assumed, while some previous knowledge of the objectives and main approaches to statistical inference would be helpful but is not essential.
Cover ......Page 1
Title Page ......Page 5
Contents ......Page 7
Preface ......Page 11
Ch 1. Introduction ......Page 13
Ch 2. Decision Th eory......Page 16
Ch 3. Bayesian methods ......Page 34
Ch 4. Hypothesis testing ......Page 77
Ch 5. Special models ......Page 93
Ch 6. Sufficiency and completeness ......Page 102
Ch 7. Two-sided tests and conditional inference ......Page 110
Ch 8. Likelihood theory ......Page 133
Ch 9. Higher-order theory ......Page 153
Ch 10. Predictive inference ......Page 182
Ch 11. Bootstrap methods ......Page 203
Bibliography ......Page 231
Index ......Page 236