ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Fundamental Statistical Inference A Computational Approach

دانلود کتاب استنتاج آماری بنیادی یک رویکرد محاسباتی

Fundamental Statistical Inference A Computational Approach

مشخصات کتاب

Fundamental Statistical Inference A Computational Approach

ویرایش:  
نویسندگان:   
سری: Applied Probability & Statistics 
ISBN (شابک) : 9781119417866 
ناشر: Wiley 
سال نشر: 2018 
تعداد صفحات: 572 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 13 Mb 

قیمت کتاب (تومان) : 50,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 3


در صورت تبدیل فایل کتاب Fundamental Statistical Inference A Computational Approach 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 استنتاج آماری بنیادی یک رویکرد محاسباتی 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 استنتاج آماری بنیادی یک رویکرد محاسباتی

رویکردی عملی برای استنتاج آماری که به آخرین پیشرفت‌ها در این زمینه در حال رشد می‌پردازد. این کتاب روشن و قابل دسترس برای دانشجویان تازه‌کار فارغ‌التحصیل، رویکردی عملی و مفصل در زمینه استنتاج آماری ارائه می‌کند، و مشتقات کاملی از نتایج، بحث‌ها و بحث‌ها را ارائه می‌دهد. برنامه های متلب برای محاسبات بر جزئیات مربوط به مطالب، شهود، و بحث‌های با دیدگاهی نسبت به استنتاج آماری بسیار مدرن تأکید می‌کند. علاوه بر موضوعات کلاسیک مرتبط با آمار ریاضی، موضوعات شامل ارائه بصری راه‌انداز (تک و دوتایی) برای محاسبات فاصله اطمینان، تخمین انقباض، تخمین دم (حداکثر گشتاور)، و انواع روش‌های تخمین نقطه علاوه بر حداکثر احتمال است. از جمله استفاده از توابع مشخصه و استنتاج غیرمستقیم. نمونه های عملی از همه روش ها آورده شده است. مسائل تخمینی مرتبط با مخلوط‌های گسسته توزیع نرمال و راه‌حل‌های آن‌ها به تفصیل توسعه داده شده‌اند. تأکید زیادی در سراسر توزیع‌های غیر گاوسی است، از جمله جزئیات کار با توزیع پارتی پایدار و محاسبه سریع t غیر مرکزی Student. یک فصل کامل به بهینه‌سازی، از جمله توسعه روش‌های مبتنی بر Hessian، و همچنین الگوریتم‌های اکتشافی/ژنتیکی که نیازی به تداوم ندارند، با کدهای MATLAB ارائه شده است. این کتاب شامل مباحث تئوری و غیر فنی، همراه با ارجاع اساسی به ادبیات، با تأکید بر رویکردهای جایگزین و مدرن تر است. ادبیات اخیر در مورد استفاده نادرست از آزمون فرضیه و مقادیر p برای انتخاب مدل مورد بحث قرار گرفته است، و تأکید بر روش‌های انتخاب مدل جایگزین داده شده است، اگرچه آزمون فرضیه مفروضات توزیعی به‌ویژه برای توزیع نرمال به طور مفصل پوشش داده شده است.  ادامه مطلب...
چکیده: یک رویکرد عملی برای استنتاج آماری که به آخرین پیشرفت‌ها در این مورد می‌پردازد -رشد زمینه این کتاب روشن و قابل دسترس برای دانشجویان مقطع کارشناسی ارشد یک رویکرد عملی و دقیق در زمینه استنتاج آماری ارائه می دهد و مشتقات کاملی از نتایج، بحث ها و برنامه های MATLAB را برای محاسبات ارائه می دهد. این بر جزئیات مربوط به مطالب، شهود، و بحث ها با دیدگاهی نسبت به استنتاج آماری بسیار مدرن تأکید می کند. علاوه بر موضوعات کلاسیک مرتبط با آمار ریاضی، موضوعات شامل ارائه بصری راه‌انداز (تک و دوتایی) برای محاسبات فاصله اطمینان، تخمین انقباض، تخمین دم (حداکثر گشتاور)، و انواع روش‌های تخمین نقطه علاوه بر حداکثر احتمال است. از جمله استفاده از توابع مشخصه و استنتاج غیرمستقیم. نمونه های عملی از همه روش ها آورده شده است. مسائل تخمینی مرتبط با مخلوط‌های گسسته توزیع نرمال و راه‌حل‌های آن‌ها به تفصیل توسعه داده شده‌اند. تأکید زیادی در سراسر توزیع‌های غیر گاوسی است، از جمله جزئیات کار با توزیع پارتی پایدار و محاسبه سریع t غیر مرکزی Student. یک فصل کامل به بهینه‌سازی، از جمله توسعه روش‌های مبتنی بر Hessian، و همچنین الگوریتم‌های اکتشافی/ژنتیکی که نیازی به تداوم ندارند، با کدهای MATLAB ارائه شده است. این کتاب شامل مباحث تئوری و غیر فنی، همراه با ارجاع اساسی به ادبیات، با تأکید بر رویکردهای جایگزین و مدرن تر است. ادبیات اخیر در مورد استفاده نادرست از آزمون فرضیه و مقادیر p برای انتخاب مدل مورد بحث قرار گرفته است، و تأکید بر روش‌های انتخاب مدل جایگزین داده شده است، اگرچه آزمون فرضیه‌های مفروضات توزیعی به طور مفصل به ویژه برای توزیع نرمال پوشش داده شده است.


توضیحاتی درمورد کتاب به خارجی

A hands-on approach to statistical inference that addresses the latest developments in this ever-growing field This clear and accessible book for beginning graduate students offers a practical and detailed approach to the field of statistical inference, providing complete derivations of results, discussions, and MATLAB programs for computation. It emphasizes details of the relevance of the material, intuition, and discussions with a view towards very modern statistical inference. In addition to classic subjects associated with mathematical statistics, topics include an intuitive presentation of the (single and double) bootstrap for confidence interval calculations, shrinkage estimation, tail (maximal moment) estimation, and a variety of methods of point estimation besides maximum likelihood, including use of characteristic functions, and indirect inference. Practical examples of all methods are given. Estimation issues associated with the discrete mixtures of normal distribution, and their solutions, are developed in detail. Much emphasis throughout is on non-Gaussian distributions, including details on working with the stable Paretian distribution and fast calculation of the noncentral Student's t. An entire chapter is dedicated to optimization, including development of Hessian-based methods, as well as heuristic/genetic algorithms that do not require continuity, with MATLAB codes provided. The book includes both theory and nontechnical discussions, along with a substantial reference to the literature, with an emphasis on alternative, more modern approaches. The recent literature on the misuse of hypothesis testing and p-values for model selection is discussed, and emphasis is given to alternative model selection methods, though hypothesis testing of distributional assumptions is covered in detail, notably for the normal distribution.  Read more...
Abstract: A hands-on approach to statistical inference that addresses the latest developments in this ever-growing field This clear and accessible book for beginning graduate students offers a practical and detailed approach to the field of statistical inference, providing complete derivations of results, discussions, and MATLAB programs for computation. It emphasizes details of the relevance of the material, intuition, and discussions with a view towards very modern statistical inference. In addition to classic subjects associated with mathematical statistics, topics include an intuitive presentation of the (single and double) bootstrap for confidence interval calculations, shrinkage estimation, tail (maximal moment) estimation, and a variety of methods of point estimation besides maximum likelihood, including use of characteristic functions, and indirect inference. Practical examples of all methods are given. Estimation issues associated with the discrete mixtures of normal distribution, and their solutions, are developed in detail. Much emphasis throughout is on non-Gaussian distributions, including details on working with the stable Paretian distribution and fast calculation of the noncentral Student's t. An entire chapter is dedicated to optimization, including development of Hessian-based methods, as well as heuristic/genetic algorithms that do not require continuity, with MATLAB codes provided. The book includes both theory and nontechnical discussions, along with a substantial reference to the literature, with an emphasis on alternative, more modern approaches. The recent literature on the misuse of hypothesis testing and p-values for model selection is discussed, and emphasis is given to alternative model selection methods, though hypothesis testing of distributional assumptions is covered in detail, notably for the normal distribution



فهرست مطالب

Content: Part I Essential concepts in statistics --
Introducing point and interval estimation --
Goodness of fit and hypothesis testing --
Likelihood --
Numerical optimization --
Methods of point estimation --
Part II Further fundamental concepts in statistics --
Q-Q plots and distribution testing --
Unbiased point estimation and bias reduction --
Analytic interval estimation --
Part III Additional topics --
Inference in a heavy-tailed context --
The method of indirect inference --
Review of fundamental concepts in probability theory.




نظرات کاربران