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: Sucharita Ghosh
سری:
ISBN (شابک) : 111845605X, 9781118456057
ناشر: Wiley
سال نشر: 2018
تعداد صفحات: 267
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب هموارسازی هسته: اصول، روش ها و کاربردها: احتمالات و آمار، کاربردی، ریاضیات، علوم و ریاضیات، آمار، ریاضیات، علوم و ریاضیات، کتاب های درسی جدید، مستعمل و اجاره ای، بوتیک تخصصی
در صورت تبدیل فایل کتاب Kernel Smoothing: Principles, Methods and Applications 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 هموارسازی هسته: اصول، روش ها و کاربردها 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.
مرور نظری جامع روشهای هموارسازی هسته با مثالهای انگیزشی هموارسازی هسته یک روش تخمین منحنی ناپارامتریک انعطافپذیر است که زمانی قابل اجرا است که توصیفات پارامتریک دادهها به اندازه کافی کافی نباشد. این کتاب تئوری و روشهای هموارسازی هسته را در زمینههای مختلف، با در نظر گرفتن دادههای مستقل و همبسته، به عنوان مثال، بررسی میکند. با همبستگی های حافظه کوتاه و حافظه بلند، و همچنین داده های غیر گاوسی که تبدیل فرآیندهای گاوسی پنهان هستند. این نوع داده ها در بسیاری از زمینه های تحقیقاتی رخ می دهند، به عنوان مثال. علوم طبیعی و محیطی و غیره. تخمین چگالی ناپارامتری، رگرسیون ناپارامتریک و نیمه پارامتریک، تخمین روند و سطح بهویژه برای سریهای زمانی و دادههای مکانی و موضوعات دیگری مانند نقاط تغییر سریع، استحکام و غیره در کنار بررسی ویژگیهای نظری و مسائل بهینه آنها، مانند سازگاری، معرفی شدهاند. انتخاب پهنای باند با پرداختن به موضوعات مختلف، هموارسازی هسته: اصول، روشها و کاربردها ارائهای کاربرپسند از محتوای ریاضی ارائه میکند تا خواننده بتواند مستقیماً فرمولها را با استفاده از هر نرمافزار مناسب پیادهسازی کند. هدف کلی کتاب توصیف روشها و زمینههای نظری آنها، در عین حفظ یک رویکرد تحلیلی ساده و شامل مثالهای انگیزشی است که آن را در بسیاری از علوم مانند ژئوفیزیک، تحقیقات آب و هوا، جنگلداری، بومشناسی و سایر علوم طبیعی و حیاتی بسیار مفید میسازد. علوم، و همچنین در امور مالی، جامعه شناسی، و مهندسی. شرح ساده و تحلیلی روشهای هموارسازی هسته در زمینههای مختلف، مبانی و همچنین پیشرفتهای جدید را ارائه میدهد، شامل نمونههای دادههای شبیهسازیشده و واقعی هموارسازی هسته: اصول، روشها و کاربردها، کتاب درسی برای دانشجویان ارشد و کارشناسی ارشد در آمار، و همچنین کتاب مرجع برای آماردانان کاربردی و محققان پیشرفته.
Comprehensive theoretical overview of kernel smoothing methods with motivating examples Kernel smoothing is a flexible nonparametric curve estimation method that is applicable when parametric descriptions of the data are not sufficiently adequate. This book explores theory and methods of kernel smoothing in a variety of contexts, considering independent and correlated data e.g. with short-memory and long-memory correlations, as well as non-Gaussian data that are transformations of latent Gaussian processes. These types of data occur in many fields of research, e.g. the natural and the environmental sciences, and others. Nonparametric density estimation, nonparametric and semiparametric regression, trend and surface estimation in particular for time series and spatial data and other topics such as rapid change points, robustness etc. are introduced alongside a study of their theoretical properties and optimality issues, such as consistency and bandwidth selection. Addressing a variety of topics, Kernel Smoothing: Principles, Methods and Applications offers a user-friendly presentation of the mathematical content so that the reader can directly implement the formulas using any appropriate software. The overall aim of the book is to describe the methods and their theoretical backgrounds, while maintaining an analytically simple approach and including motivating examples—making it extremely useful in many sciences such as geophysics, climate research, forestry, ecology, and other natural and life sciences, as well as in finance, sociology, and engineering. A simple and analytical description of kernel smoothing methods in various contexts Presents the basics as well as new developments Includes simulated and real data examples Kernel Smoothing: Principles, Methods and Applications is a textbook for senior undergraduate and graduate students in statistics, as well as a reference book for applied statisticians and advanced researchers.