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
ویرایش: 1
نویسندگان: Piet Groeneboom. Jon A. Wellner (auth.)
سری: DMV Seminar 19
ISBN (شابک) : 9783764327941, 9783034886215
ناشر: Birkhäuser Basel
سال نشر: 1992
تعداد صفحات: 128
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 مگابایت
کلمات کلیدی مربوط به کتاب محدودیت های اطلاعات و برآورد حداکثر احتمال احتمال غیر پارامتری: ریاضیات عمومی
در صورت تبدیل فایل کتاب Information Bounds and Nonparametric Maximum Likelihood Estimation 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 محدودیت های اطلاعات و برآورد حداکثر احتمال احتمال غیر پارامتری 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 حاوی یادداشتهای سخنرانی برای یک دوره DMV است که توسط نویسندگان در Gunzburg، آلمان، در سپتامبر 1990 ارائه شده است. در این دوره، نظریه مرزهای اطلاعاتی را برای مدلهای غیر پارامتری و نیمه پارامتری ترسیم کردیم و نظریه غیرپارامتری را توسعه دادیم. تخمین حداکثر احتمال پارامتری در چندین مسئله معکوس خاص: مدلهای سانسور بازهای و دکانولوشن بخش اول، بر اساس سخنرانیهای جان ولنر، طرح مختصری از نظریه کران پایین اطلاعات ارائه میدهد: قضیه کانولوشن هاجک و پسوندها، کرانهای مینیمکس مفید برای مسائل پارامتری ناشی از ایبراگیموف و هاسمینسکی، و یک نتیجه اخیر که تابعهای قابل تمایز را به دلیل ون در مشخص میکند. وارت (1991). قضیه تمایزپذیری با مثالهای سانسور بازهای و دکانولوشن (که از دیدگاه تخمین در بخش دوم دنبال میشوند) نشان داده شده است. قضیه تمایزپذیری روشی را برای تمایز واضح موقعیتها ارائه میدهد که در آنها میتوان پارامتر بهره را با نرخ n/ تخمین زد و موقعیتهایی که در آنها چنین نیست. با این حال، چیزی در مورد اینکه چه نرخ هایی باید انتظار داشت زمانی که عملکرد قابل تمایز نیست، نمی گوید. حتی خواننده معمولی متوجه خواهد شد که چندین مدل معرفی شده است، اما با جزئیات دنبال نشده است. بسیاری از مشکلات باقی مانده است بخش دوم، بر اساس سخنرانیهای پیت گرونبوم، بر تخمینهای حداکثر درستنمایی غیر پارامتری (NPMLE) برای مسائل معکوس خاص تمرکز دارد. فصل اول به مسئله سانسور بازه ای می پردازد.
This book contains the lecture notes for a DMV course presented by the authors at Gunzburg, Germany, in September, 1990. In the course we sketched the theory of information bounds for non parametric and semiparametric models, and developed the theory of non parametric maximum likelihood estimation in several particular inverse problems: interval censoring and deconvolution models. Part I, based on Jon Wellner's lectures, gives a brief sketch of information lower bound theory: Hajek's convolution theorem and extensions, useful minimax bounds for parametric problems due to Ibragimov and Has'minskii, and a recent result characterizing differentiable functionals due to van der Vaart (1991). The differentiability theorem is illustrated with the examples of interval censoring and deconvolution (which are pursued from the estimation perspective in part II). The differentiability theorem gives a way of clearly distinguishing situations in which 1 2 the parameter of interest can be estimated at rate n / and situations in which this is not the case. However it says nothing about which rates to expect when the functional is not differentiable. Even the casual reader will notice that several models are introduced, but not pursued in any detail; many problems remain. Part II, based on Piet Groeneboom's lectures, focuses on non parametric maximum likelihood estimates (NPMLE's) for certain inverse problems. The first chapter deals with the interval censoring problem.
Front Matter....Pages i-viii
Front Matter....Pages 1-1
Models, Scores, and Tangent Spaces....Pages 3-12
Convolution and Asymptotic Minimax Theorems....Pages 13-21
Van der Vaart’s Differentiability Theorem....Pages 23-32
Front Matter....Pages 33-33
The Interval Censoring Problem....Pages 35-52
The Deconvolution Problem....Pages 53-63
Algorithms....Pages 65-74
Consistency....Pages 75-87
Distribution Theory....Pages 89-121
Back Matter....Pages 123-126