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:
نویسندگان: Bradley Efron
سری: Institute of Mathematical Statistics monographs, 1
ISBN (شابک) : 9780511918575, 0511917597
ناشر: Cambridge University Press
سال نشر: 2010
تعداد صفحات: 277
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Large-Scale Inference: Empirical Bayes Methods for Estimation, Testing, and Prediction 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 در مقیاس بزرگ: روش های تجربی بیز برای تخمین ، آزمایش و پیش بینی 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.
مقدمه -- تقدیرنامه -- 1 بیز تجربی و برآوردگر جیمز استین -- 1.1 قانون بیز و تخمین عادی چند متغیره -- 1.2 تخمین بیز تجربی -- 1.3 برآورد اجزای فردی -- 1.4 یادگیری از تجربه دیگران -- تجربی -- 1. فواصل اطمینان بیز -- یادداشت ها -- 2 آزمون فرضیه در مقیاس بزرگ -- 2.1 مثال ریز آرایه -- 2.2 رویکرد بیزی -- 2.3 تخمین تجربی بیز -- 2.4 Fdr(Z) به عنوان یک تخمین نقطه -- 2.5 استقلال در مقابل همبستگی -- 2.6 یادگیری از تجربه دیگران II -- یادداشت ها -- 3 الگوریتم های تست اهمیت -- 3.1 p-values و z-values -- 3.2 تنظیم شده p- ارزش ها و FWER -- 3.3 الگوریتم های گام به گام -- 3.4 الگوریتم های جایگشت -- 3. سایر معیارهای کنترل -- یادداشت ها -- 4 کنترل نرخ کشف نادرست -- 4.1 اکتشافات درست و نادرست -- 4.2 الگوریتم کنترل FDR بنجامینی و هاخبرگ -- 4.3 تفسیر تجربی بیز -- 4.4 آیا کنترل FDR \"آزمایش فرضیه\" است؟ -- 4.5 تغییرات در الگوریتم بنجامینی-هوکبرگ -- 4.6 Fdr و آزمونهای همبستگی همزمان -- یادداشتها -- 5 نرخ کشف نادرست محلی -- 5.1 تخمین نرخ کشف نادرست محلی -- 5.2 تخمین رگرسیون پواسون برای f (z) - - 5.3 استنتاج و نرخ کشف نادرست محلی - 5.4 تشخیص قدرت - یادداشتها - 6 توزیع صفر نظری، جایگشتی و تجربی - 6.1 چهار مثال - الف. مطالعه لوسمی - ب. دادههای مربع کای - ج. داده های پلیس -- D. داده های HIV -- 6.2 تخمین صفر تجربی -- 6.3 روش MLE برای تخمین تهی تجربی -- 6.4 چرا تهی نظری ممکن است شکست بخورد -- 6.5 جایگشت توزیع های صفر -- یادداشت ها -- 7 دقت تخمین -- 7.1 فرمولهای کوواریانس دقیق -- تقریبهای 7.2 Rms -- 7.3 محاسبات دقت برای آمارهای عمومی -- 7.4 توزیع غیر صفر مقادیر z -- 7.5 روشهای بوت استرپ -- یادداشتها -- 8 سؤال همبستگی -- 8.1 همبستگی ردیف و ستون -- استانداردسازی -- 8.2 تخمین همبستگی مربع میانگین ریشه -- شبیه سازی مقادیر z همبسته -- 8.3 آیا مجموعه ای از ریزآرایه ها مستقل از یکدیگر هستند؟ -- 8.4 محاسبات عادی چند متغیره -- اندازه نمونه موثر -- همبستگی مقادیر t -- 8.5 تعداد همبستگی -- یادداشت ها -- 9 مجموعه موارد (غنی سازی) -- 9.1 تصادفی سازی و جایگشت -- 9.2 انتخاب کارآمد یک تابع امتیازدهی -- 9.3 مدل همبستگی -- 9.4 میانگین گیری محلی -- یادداشت ها -- 10 ترکیب، ارتباط و مقایسه -- 10.1 مدل چند طبقه -- 10.2 زیر کلاس های کوچک و غنی سازی -- غنی سازی -- کارایی -- 10.3 ارتباط -- 10.4 آیا تحلیل های جداگانه مشروع هستند؟ -- 10.5 قابلیت مقایسه -- یادداشت ها -- 11 پیش بینی و برآورد اندازه اثر -- 11.1 یک مدل ساده -- اعتبار سنجی متقابل -- اثرات Student-t -- تصحیحات همبستگی -- 11.2 قوانین پیش بینی بیز و تجربی -- 11.3 پیش بینی و نرخ های کشف کاذب محلی -- تخمین اندازه اثر 11.4 -- کنترل نرخ پوشش نادرست -- 11.5 مشکل گونه های گمشده -- یادداشت ها -- پیوست A: خانواده های نمایی -- الف.1 خانواده های نمایی چند پارامتری -- الف.2 روش لیندزی -- ضمیمه B: مجموعه داده ها و برنامه ها
Prologue -- Acknowledgments -- 1 Empirical Bayes and the James-Stein Estimator -- 1.1 Bayes Rule and Multivariate Normal Estimation -- 1.2 Empirical Bayes Estimation -- 1.3 Estimating the Individual Components -- 1.4 Learning from the Experience of Others -- 1.5 Empirical Bayes Confidence Intervals -- Notes -- 2 Large-Scale Hypothesis Testing -- 2.1 A Microarray Example -- 2.2 Bayesian Approach -- 2.3 Empirical Bayes Estimates -- 2.4 Fdr(Z) as a Point Estimate -- 2.5 Independence versus Correlation -- 2.6 Learning from the Experience of Others II -- Notes -- 3 Significance Testing Algorithms -- 3.1 p-Values and z-Values -- 3.2 Adjusted p-Values and the FWER -- 3.3 Stepwise Algorithms -- 3.4 Permutation Algorithms -- 3.5 Other Control Criteria -- Notes -- 4 False Discovery Rate Control -- 4.1 True and False Discoveries -- 4.2 Benjamini and Hochberg's FDR Control Algorithm -- 4.3 Empirical Bayes Interpretation -- 4.4 Is FDR Control"Hypothesis Testing"? -- 4.5 Variations on the Benjamini-Hochberg Algorithm -- 4.6 Fdr and Simultaneous Tests of Correlation -- Notes -- 5 Local False Discovery Rates -- 5.1 Estimating the Local False Discovery Rate -- 5.2 Poisson Regression Estimates for f (z) -- 5.3 Inference and Local False Discovery Rates -- 5.4 Power Diagnostics -- Notes -- 6 Theoretical, Permutation, and Empirical Null Distributions -- 6.1 Four Examples -- A. Leukemia study -- B. Chi-square data -- C. Police data -- D. HIV data -- 6.2 Empirical Null Estimation -- 6.3 The MLE Method for Empirical Null Estimation -- 6.4 Why the Theoretical Null May Fail -- 6.5 Permutation Null Distributions -- Notes -- 7 Estimation Accuracy -- 7.1 Exact Covariance Formulas -- 7.2 Rms Approximations -- 7.3 Accuracy Calculations for General Statistics -- 7.4 The Non-Null Distribution of z-Values -- 7.5 Bootstrap Methods -- Notes -- 8 Correlation Questions -- 8.1 Row and Column Correlations -- Standardization -- 8.2 Estimating the Root Mean Square Correlation -- Simulating correlated z-values -- 8.3 Are a Set of Microarrays Independent of Each Other? -- 8.4 Multivariate Normal Calculations -- Effective sample size -- Correlation of t-values -- 8.5 Count Correlations -- Notes -- 9 Sets of Cases (Enrichment) -- 9.1 Randomization and Permutation -- 9.2 Efficient Choice of a Scoring Function -- 9.3 A Correlation Model -- 9.4 Local Averaging -- Notes -- 10 Combination, Relevance, and Comparability -- 10.1 The Multi-Class Model -- 10.2 Small Subclasses and Enrichment -- Enrichment -- Efficiency -- 10.3 Relevance -- 10.4 Are Separate Analyses Legitimate? -- 10.5 Comparability -- Notes -- 11 Prediction and Effect Size Estimation -- 11.1 A Simple Model -- Cross-validation -- Student-t effects -- Correlation corrections -- 11.2 Bayes and Empirical Bayes Prediction Rules -- 11.3 Prediction and Local False Discovery Rates -- 11.4 Effect Size Estimation -- False coverage rate control -- 11.5 The Missing Species Problem -- Notes -- Appendix A: Exponential Families -- A.1 Multiparameter Exponential Families -- A.2 Lindsey's Method -- Appendix B: Data Sets and Programs