مشخصات کتاب

Functional Estimation for Density, Regression Models and Processes

ویرایش:  
نویسندگان: Odile. Pons.   
سری:  
ISBN (شابک) : 9789814343749, 9814343749 
ناشر: World Scientific 
سال نشر: 2011 
تعداد صفحات: 205 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت 

در صورت تبدیل فایل کتاب Functional Estimation for Density, Regression Models and Processes 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 عملکردی برای تراکم ، مدلها و فرآیندهای رگرسیون 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 عملکردی برای تراکم ، مدلها و فرآیندهای رگرسیون

این جلد انتگرال تصادفی توسعه یافته (ESI) (یا انتگرال Skorokhod-Hitsuda) و رابطه آن با مشتق لگاریتمی اندازه گیری قابل تمایز در امتداد میدان بردار یا عملگر را مورد بحث قرار می دهد. علاوه بر این، نظریه اندازه گیری سطح و نظریه پتانسیل گرما در فضاهای بینهایت بعدی مورد بحث قرار می گیرد. این نظریه ها ارتباط نزدیکی با ESI دارند. آن را با یک حساب از تجزیه و تحلیل تصادفی کلاسیک در فضاهای Weiner شروع می شود. و سپس به تفصیل ESI را برای اندازه گیری واینر شامل خواص این انتگرال که به عنوان یک فرآیند درک می شود، مورد بحث قرار می دهد. علاوه بر این، ESI با یک هسته غیر تصادفی بررسی می‌شود. برخی از فصل‌ها به تعریف و بررسی خواص ESI برای اندازه‌های گاوسی و قابل تفکیک اختصاص داده شده است. اندازه‌گیری سطح در فضاهای Banach و نظریه پتانسیل گرمایی در فضای هیلبرت نیز مورد بحث قرار گرفته است. برآوردگرهای جدید تعریف شده و رفتار محدود کننده آنها مورد مطالعه قرار می گیرد. از نقطه نظر عملی، این کتاب در مورد ساخت تخمین‌گرها برای توابع فرآیندها و چگالی‌ها توضیح می‌دهد و بسط مجانبی و خواص بهینه را از برآوردگرهای صاف ارائه می‌کند. همچنین برآوردگرهای منظم جدیدی را برای عملکردهای فرآیندها ارائه می‌کند، تخمین‌گرهای هیستوگرام و هسته را مقایسه می‌کند، چندین برآوردگر جدید را برای مدل‌های تک شاخص مقایسه می‌کند، و همگرایی ضعیف برآوردگرها را بررسی می‌کند. ادامه مطلب... 1. مقدمه. 1.1. تخمین یک چگالی 1.2. تخمین منحنی رگرسیون. 1.3. برآورد عملکردهای فرآیندها. 1.4. محتوای کتاب -- 2. تخمینگر هسته یک چگالی. 2.1. معرفی. 2.2. ریسک ها و پهنای باند بهینه برای برآوردگر هسته 2.3. همگرایی ضعیف 2.4. برآوردگرهای مینیمکس و هیستوگرام. 2.5. تخمین توابع یک چگالی. 2.6. چگالی توزیع های کاملاً پیوسته. 2.7. فاصله هلینگر بین چگالی و برآوردگر آن. 2.8. تخمین چگالی تحت سانسور راست. 2.9. تخمین چگالی متغیرهای سانسور شده چپ. 2.10. تخمینگر هسته برای چگالی یک فرآیند. 2.11. تمرینات -- 3. تخمینگر هسته یک تابع رگرسیون. 3.1. مقدمه و نماد. 3.2. ریسک ها و نرخ های همگرایی برای برآوردگر. 3.3. پهنای باند بهینه 3.4. همگرایی ضعیف برآوردگر. 3.5. تخمین منحنی رگرسیون توسط چند جمله ای های محلی. 3.6. برآورد در مدل های رگرسیون با واریانس عملکردی. 3.7. تخمین حالت یک تابع رگرسیون. 3.8. تخمین تابع رگرسیون تحت سانسور. 3.9. مدل شانس متناسب 3.10. تخمین تابع رگرسیون فرآیندها. 3.11. تمرین -- 4. محدودیت برای برآوردگرهای پهنای باند متغیر. 4.1. معرفی. 4.2. تخمین چگالی. 4.3. برآورد توابع رگرسیون. 4.4. تخمین برای فرآیندها 4.5. تمرینات -- 5. تخمین ناپارامتری چندک ها. 5.1. معرفی. 5.2. مجانبی برای فرآیندهای کمیت. 5.3. انتخاب پهنای باند 5.4. تخمین چگالی مشروط Y با توجه به X. 5.5. تخمین کمیت های شرطی برای فرآیندها. 5.6. معکوس تابع رگرسیون 5.7. تابع کمیت متغیرهای راست سانسور شده. 5.8. چندک های شرطی با پهنای باند متغیر. 5.9. تمرینات -- 6. برآورد ناپارامتری شدت برای فرآیندهای تصادفی. 6.2. معرفی. 6.2. ریسک ها و همگرایی ها برای برآوردگرهای شدت. 6.3. خطرات و همگرایی برای شدت های ضربی. 6.4. هیستوگرام برای توابع شدت و رگرسیون. 6.5. تخمین چگالی بیش از حد طول مدت. 6.6. برآوردگرها برای فرآیندها در فواصل افزایشی. 6.7. مدل هایی با شدت یا ضرایب رگرسیون متفاوت. 6.8. سانسور پیشرونده یک توالی زمانی تصادفی. 6.9. تمرینات -- 7. برآورد در مدل های رگرسیون نیمه پارامتریک. 7.1. معرفی. 7.2. همگرایی برآوردگرها 7.3. رگرسیون ناپارامتریک با تغییر متغیرها. 7.4. تمرینات -- 8. فرآیندهای انتشار. 8.1. معرفی. 8.2. تخمین برای انتشار پیوسته توسط گسسته سازی. 8.3. تخمین برای فرآیندهای انتشار پیوسته 8.4. برآورد انتشار گسسته مشاهده شده با پرش. 8.5. تخمین پیوسته برای انتشار با پرش. 8.6. تبدیل یک فرآیند گاوسی غیر ساکن 8.7. تمرینات -- 9. کاربردها در سری های زمانی. 9.1. تخمین ناپارامتریک میانگین. 9.2. مدل های دوره ای برای سری های زمانی 9.3. تخمین ناپارامتریک تابع کوواریانس. 9.4. تبدیل های ناپارامتریک برای ایستایی 9.5. نقاط تغییر در سری های زمانی 9.6. تمرینات

توضیحاتی درمورد کتاب به خارجی

This volume discusses the extended stochastic integral (ESI) (or Skorokhod-Hitsuda integral) and its relation to the logarithmic derivative of differentiable measure along the vector or operator field. In addition, the theory of surface measures and the theory of heat potentials in infinite-dimensional spaces are discussed. These theories are closely related to ESI. It starts with an account of classic stochastic analysis in the Weiner spaces; and then discusses in detail the ESI for the Weiner measure including properties of this integral understood as a process. Moreover, the ESI with a nonrandom kernel is investigated. Some chapters are devoted to the definition and the investigation of properties of the ESI for Gaussian and differentiable measures. Surface measures in Banach spaces and heat potentials theory in Hilbert space are also discussed This book presents a unified approach on nonparametric estimators for models of independent observations, jump processes and continuous processes. New estimators are defined and their limiting behavior is studied. From a practical point of view, the book expounds on the construction of estimators for functionals of processes and densities, and provides asymptotic expansions and optimality properties from smooth estimators. It also presents new regular estimators for functionals of processes, compares histogram and kernel estimators, compares several new estimators for single-index models, and it examines the weak convergence of the estimators.  Read more... 1. Introduction. 1.1. Estimation of a density. 1.2. Estimation of a regression curve. 1.3. Estimation of functionals of processes. 1.4. Content of the book -- 2. Kernel estimator of a density. 2.1. Introduction. 2.2. Risks and optimal bandwidths for the kernel estimator. 2.3. Weak convergence. 2.4. Minimax and histogram estimators. 2.5. Estimation of functionals of a density. 2.6. Density of absolutely continuous distributions. 2.7. Hellinger distance between a density and its estimator. 2.8. Estimation of the density under right-censoring. 2.9. Estimation of the density of left-censored variables. 2.10. Kernel estimator for the density of a process. 2.11. Exercises -- 3. Kernel estimator of a regression function. 3.1. Introduction and notation. 3.2. Risks and convergence rates for the estimator. 3.3. Optimal bandwidths. 3.4. Weak convergence of the estimator. 3.5. Estimation of a regression curve by local polynomials. 3.6. Estimation in regression models with functional variance. 3.7. Estimation of the mode of a regression function. 3.8. Estimation of a regression function under censoring. 3.9. Proportional odds model. 3.10. Estimation for the regression function of processes. 3.11. Exercises -- 4. Limits for the varying bandwidths estimators. 4.1. Introduction. 4.2. Estimation of densities. 4.3. Estimation of regression functions. 4.4. Estimation for processes. 4.5. Exercises -- 5. Nonparametric estimation of quantiles. 5.1. Introduction. 5.2. Asymptotics for the quantile processes. 5.3. Bandwidth selection. 5.4. Estimation of the conditional density of Y given X. 5.5. Estimation of conditional quantiles for processes. 5.6. Inverse of a regression function. 5.7. Quantile function of right-censored variables. 5.8. Conditional quantiles with variable bandwidth. 5.9. Exercises -- 6. Nonparametric estimation of intensities for stochastic processes. 6.2. Introduction. 6.2. Risks and convergences for estimators of the intensity. 6.3. Risks and convergences for multiplicative intensities. 6.4. Histograms for intensity and regression functions. 6.5. Estimation of the density of duration excess. 6.6. Estimators for processes on increasing intervals. 6.7. Models with varying intensity or regression coefficients. 6.8. Progressive censoring of a random time sequence. 6.9. Exercises -- 7. Estimation in semi-parametric regression models. 7.1. Introduction. 7.2. Convergence of the estimators. 7.3. Nonparametric regression with a change of variables. 7.4. Exercises -- 8. Diffusion processes. 8.1. Introduction. 8.2. Estimation for continuous diffusions by discretization. 8.3. Estimation for continuous diffusion processes. 8.4. Estimation of discretely observed diffusions with jumps. 8.5. Continuous estimation for diffusions with jumps. 8.6. Transformations of a non-stationary Gaussian process. 8.7. Exercises -- 9. Applications to time series. 9.1. Nonparametric estimation of the mean. 9.2. Periodic models for time series. 9.3. Nonparametric estimation of the covariance function. 9.4. Nonparametric transformations for stationarity. 9.5. Change-points in time series. 9.6. Exercises

نظرات کاربران

کتاب های تصادفی

دانلود کتاب International jobs directory

دانلود کتاب Linear Integral Equations

دانلود کتاب La Condition Ouvrière et Autres Textes

دانلود کتاب Situating the Self: Gender, Community and Postmodernism in Contemporary Ethics

دانلود کتاب The Omnivore's Dilemma