ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

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 Mathematical Foundations of Infinite-Dimensional Statistical Models

دانلود کتاب مبانی ریاضی مدل های آماری بینهایت بعدی

Mathematical Foundations of Infinite-Dimensional Statistical Models

مشخصات کتاب

Mathematical Foundations of Infinite-Dimensional Statistical Models

ویرایش: 1 
نویسندگان:   
سری: Cambridge Series in Statistical and Probabilistic Mathematics 40 
ISBN (شابک) : 1107043166, 9781107043169 
ناشر: Cambridge University Press 
سال نشر: 2015 
تعداد صفحات: 705 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت 

قیمت کتاب (تومان) : 42,000



کلمات کلیدی مربوط به کتاب مبانی ریاضی مدل های آماری بینهایت بعدی: اقتصاد، بانک و بانکداری، بازرگانی، سیاست تجاری، تطبیقی، توسعه و رشد، ارزهای دیجیتال، اقتصادسنجی، شرایط اقتصادی، تاریخچه اقتصادی، سیاست اقتصادی و توسعه، اقتصاد محیط زیست، شرکت های آزاد، نابرابری درآمد و نابرابری بین صنعتی، تورم مجدد اقتصاد کلان، اقتصاد خرد، پول و سیاست پولی، مالیه عمومی، توسعه پایدار، نظریه، بیکاری، شهری و منطقه ای، کسب و کار و پول، احتمال و آمار، کاربردی، ریاضیات، علوم و ریاضی، دانشگاه علوم پزشکی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 14


در صورت تبدیل فایل کتاب Mathematical Foundations of Infinite-Dimensional Statistical Models 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 مبانی ریاضی مدل های آماری بینهایت بعدی 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 مبانی ریاضی مدل های آماری بینهایت بعدی

در مدل‌های آماری ناپارامتریک و با ابعاد بالا، نظریه کلاسیک گاوس-فیشر-لو کم در مورد بهینه بودن برآوردگرهای حداکثر درستنمایی و استنتاج پسین بیزی کاربرد ندارد و مبانی و ایده‌های جدیدی در چند دهه گذشته توسعه یافته است. این کتاب گزارشی منسجم از نظریه آماری در فضاهای پارامتری بی‌بعدی ارائه می‌دهد. مبانی ریاضی شامل «کورس‌های کوچک» در تئوری گاوسی و فرآیندهای تجربی، در نظریه تقریب و موجک، و در مورد نظریه پایه فضاهای تابعی است. تئوری استنتاج آماری در چنین مدل هایی - آزمون فرضیه، برآورد و مجموعه های اطمینان - سپس در پارادایم حداقلی نظریه تصمیم ارائه می شود. این شامل تئوری اصلی هسته کانولوشن و تخمین طرح ریزی، اما همچنین ناپارامتریک بیزی و تخمین حداکثر درستنمایی ناپارامتریک است. در فصل آخر، نظریه استنتاج تطبیقی ​​در مدل‌های ناپارامتریک، از جمله روش لپسکی، آستانه موجک و استنتاج تطبیقی ​​برای توابع خود مشابه، توسعه می‌یابد.


توضیحاتی درمورد کتاب به خارجی

In nonparametric and high-dimensional statistical models, the classical Gauss-Fisher-Le Cam theory of the optimality of maximum likelihood estimators and Bayesian posterior inference does not apply, and new foundations and ideas have been developed in the past several decades. This book gives a coherent account of the statistical theory in infinite-dimensional parameter spaces. The mathematical foundations include self-contained 'mini-courses' on the theory of Gaussian and empirical processes, on approximation and wavelet theory, and on the basic theory of function spaces. The theory of statistical inference in such models - hypothesis testing, estimation and confidence sets - is then presented within the minimax paradigm of decision theory. This includes the basic theory of convolution kernel and projection estimation, but also Bayesian nonparametrics and nonparametric maximum likelihood estimation. In a final chapter the theory of adaptive inference in nonparametric models is developed, including Lepski's method, wavelet thresholding, and adaptive inference for self-similar functions.



فهرست مطالب

Content: 1. Nonparametric statistical models
2. Gaussian processes
3. Empirical processes
4. Function spaces and approximation theory
5. Linear nonparametric estimators
6. The minimax paradigm
7. Likelihood-based procedures
8. Adaptive inference.




نظرات کاربران