Fitting Linear Relationships: A History of the Calculus of Observations 1750–1900

این کتاب برای دانشجویان آمار ریاضی که به تاریخچه اولیه موضوع خود علاقه دارند در نظر گرفته شده است. این توضیحات جبری مفصلی از برازش روابط خطی با روش حداقل مربعات (L) و روشهای حداقل 2 انحراف مطلق (L) و حداقل انحراف مطلق (Loo) ارائه می دهد. این روش‌های سنتی برازش خط J، البته، در کتاب‌های درسی آماری معمولی نیز مورد توجه قرار می‌گیرند، اما بحث درباره پیشینه تاریخی آنها معمولاً بسیار ناچیز است، اگر کاملاً وجود نداشته باشد. کتاب حاضر تکمیل کننده تجزیه و تحلیل این رویه ها است که در S.M. کار عالی استیگلر تاریخچه آمار: کمیت عدم قطعیت قبل از سال 1900. با این حال، کتاب حاضر شرح مفصل تری از ساختار جبری زیربنای این روش های برازش سنتی ارائه می دهد. پیش بینی می شود که خوانندگان کتاب حاضر درک روشنی از پیشینه تاریخی این روش ها و سایر روش های آماری رایج به دست آورند. علاوه بر این، بررسی دقیق طیف گسترده ای از رویکردهای متمایز برای یک موضوع خاص، مانند روش حداقل مربعات، بینش ارزشمندی را در مورد ماهیت اساسی موضوع انتخاب شده به خواننده می دهد.

This book is intended for students of mathematical statistics who are interested in the early history of their subject. It gives detailed algebraic descriptions of the fitting of linear relationships by the method of least squares (L ) and the related least absolute 2 deviations (L ) and minimax absolute deviations (Loo) procedures. These traditional line J fitting procedures are, of course, also addressed in conventional statistical textbooks, but the discussion of their historical background is usually extremely slight, if not entirely absent. The present book complements the analysis of these procedures given in S.M. Stigler'S excellent work The History of Statistics: The Quantification of Uncertainty before 1900. However, the present book gives a more detailed account of the algebraic structure underlying these traditional fitting procedures. It is anticipated that readers of the present book will obtain a clear understanding of the historical background to these and other commonly used statistical procedures. Further, a careful consideration of the wide variety of distinct approaches to a particular topic, such as the method of least squares, will give the reader valuable insights into the essential nature of the selected topic.