Introduction to Statistical Inference

این کتاب بر اساس یادداشت‌های سخنرانی ساخته شده توسط جک کیفر برای یک دوره استنتاج آماری است که او در دانشگاه کرنل تدریس کرده است. یادداشت ها به جای یک کتاب درسی در کلاس توزیع شد و از مشکلات برای انجام تکالیف استفاده شد. رویکرد کیفر به اولین دوره در آمار، با تکیه بر پیش نیازهای اندک نظریه احتمالات و محاسبات، ارائه ایده های محوری نظریه ریاضی مدرن با حداقل هیاهو و رسمی است. او می تواند این کار را با استفاده از ترکیبی غنی از مثال ها، تصاویر و مشتقات ریاضی ریاضی برای تکمیل یک بحث واضح و منطقی درباره ایده های مهم به زبان انگلیسی ساده انجام دهد. صریح بودن ارائه کیفر با توجه به پیچیدگی و عمق بررسی او از موضوع اصلی قابل توجه است: چگونه یک فرد باهوش باید یک مسئله آماری را فرموله کند و یک روش آماری را برای اعمال آن انتخاب کند؟ دیدگاه کیفر، با همان روحیه نیمن و والد، این است که باید سعی کرد پیامدهای یک انتخاب آماری را در برخی فرمول‌بندی‌های کمی (تکرارگرا) ارزیابی کرد و باید مسیر عملی را انتخاب کرد که به‌طور قابل تأیید بهینه (یا تقریباً همینطور) باشد. بدون توجه به \"جذابیت\" درک شده از جزمات و روش های خاص.

This book is based upon lecture notes developed by Jack Kiefer for a course in statistical inference he taught at Cornell University. The notes were distributed to the class in lieu of a textbook, and the problems were used for homework assignments. Relying only on modest prerequisites of probability theory and cal­ culus, Kiefer's approach to a first course in statistics is to present the central ideas of the modem mathematical theory with a minimum of fuss and formality. He is able to do this by using a rich mixture of examples, pictures, and math­ ematical derivations to complement a clear and logical discussion of the important ideas in plain English. The straightforwardness of Kiefer's presentation is remarkable in view of the sophistication and depth of his examination of the major theme: How should an intelligent person formulate a statistical problem and choose a statistical procedure to apply to it? Kiefer's view, in the same spirit as Neyman and Wald, is that one should try to assess the consequences of a statistical choice in some quan­ titative (frequentist) formulation and ought to choose a course of action that is verifiably optimal (or nearly so) without regard to the perceived "attractiveness" of certain dogmas and methods.