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 Information Criteria and Statistical Modeling

دانلود کتاب معیارهای اطلاع رسانی و مدل سازی آماری

مشخصات کتاب

Information Criteria and Statistical Modeling

دسته بندی: احتمال
ویرایش:  
نویسندگان: Sadanori Konishi. Genshiro Kitagawa  
سری: Springer Series in Statistics 
ISBN (شابک) : 9780387718866, 0387718877 
ناشر: Springer 
سال نشر: 2008 
تعداد صفحات: 282 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت

قیمت کتاب (تومان) : 35,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 21

در صورت تبدیل فایل کتاب Information Criteria and Statistical Modeling 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 معیارهای اطلاع رسانی و مدل سازی 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.

توضیحاتی در مورد کتاب معیارهای اطلاع رسانی و مدل سازی آماری

برنده جایزه انتشارات انجمن آمار ژاپن در سال 2009. معیار اطلاعات آکایک (AIC) که به عنوان برآورد کننده اختلاف اطلاعات کول بک-لایبلر به دست آمده است، ابزار مفیدی برای ارزیابی مدل های آماری ارائه می دهد و کاربردهای موفق متعددی از AIC در زمینه های مختلف علوم طبیعی، علوم اجتماعی و مهندسی گزارش شده است. یکی از اهداف اصلی این کتاب ارائه توضیحات جامع در مورد مفاهیم و مشتقات AIC و معیارهای مرتبط، از جمله معیار اطلاعات بیزی شوارتز (BIC)، همراه با طیف وسیعی از مثال‌های کاربردی از معیارهای انتخاب و ارزیابی مدل است. یک هدف ثانویه، ارائه یک مبنای نظری برای تجزیه و تحلیل و گسترش معیارهای اطلاعاتی از طریق یک رویکرد تابعی آماری است. یک معیار اطلاعات تعمیم‌یافته (GIC) و یک معیار اطلاعات راه‌انداز ارائه شده‌اند که ابزارهای واحدی را برای مدل‌سازی و ارزیابی مدل برای طیف متنوعی از مدل‌ها، از جمله انواع مدل‌های غیرخطی و روش‌های تخمین مدل مانند برآورد قوی، حداکثر احتمال جریمه ارائه می‌کنند. روش و رویکرد بیزی

توضیحاتی درمورد کتاب به خارجی

Winner of the 2009 Japan Statistical Association Publication Prize. The Akaike information criterion (AIC) derived as an estimator of the Kullback-Leibler information discrepancy provides a useful tool for evaluating statistical models, and numerous successful applications of the AIC have been reported in various fields of natural sciences, social sciences and engineering. One of the main objectives of this book is to provide comprehensive explanations of the concepts and derivations of the AIC and related criteria, including Schwarz’s Bayesian information criterion (BIC), together with a wide range of practical examples of model selection and evaluation criteria. A secondary objective is to provide a theoretical basis for the analysis and extension of information criteria via a statistical functional approach. A generalized information criterion (GIC) and a bootstrap information criterion are presented, which provide unified tools for modeling and model evaluation for a diverse range of models, including various types of nonlinear models and model estimation procedures such as robust estimation, the maximum penalized likelihood method and a Bayesian approach.