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
دسته بندی: ریاضیات ویرایش: نویسندگان: Jun Shao سری: Springer Series in Statistics ISBN (شابک) : 9780387986746, 038798674X ناشر: Springer سال نشر: 1999 تعداد صفحات: 544 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 32 مگابایت
در صورت تبدیل فایل کتاب Mathematical Statistics Jun Shao 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 آمار ریاضی جون شاو 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.
این کتاب درسی فارغ التحصیل موضوعاتی در تئوری آماری ضروری برای دانشجویان تحصیلات تکمیلی که برای کار در مقطع دکتری آماده می شوند را پوشش می دهد. مدرک آمار فصل اول مروری سریع بر مفاهیم و نتایج در نظریه احتمال-نظری اندازه گیری است که در آمار مفید است. فصل دوم برخی از مفاهیم اساسی در تئوری تصمیم گیری و استنتاج آماری را معرفی می کند. فصل های 3-7 شامل مطالعات دقیق در مورد برخی موضوعات مهم است: تخمین بی طرفانه، تخمین پارامتری، تخمین ناپارامتریک، آزمون فرضیه ها و مجموعه های اطمینان. تعداد زیادی تمرین در هر فصل نه تنها مشکلات تمرینی را برای دانش آموزان فراهم می کند، بلکه نتایج اضافی بسیاری را نیز ارائه می دهد. علاوه بر نتایج کلاسیک که معمولاً در یک کتاب درسی با سطح مشابه پوشش داده می شود، این کتاب به معرفی برخی از موضوعات در نظریه آماری مدرن که در سال های اخیر توسعه یافته است، مانند زنجیره مارکوف مونت کارلو، شبه احتمالات، احتمالات تجربی، آماری می پردازد. تابعی، معادلات برآورد تعمیم یافته، jackknife و bootstrap. جون شائو، استاد آمار در دانشگاه ویسکانسین، مدیسون است.
This graduate textbook covers topics in statistical theory essential for graduate students preparing for work on a Ph.D. degree in statistics. The first chapter provides a quick overview of concepts and results in measure-theoretic probability theory that are useful in statistics. The second chapter introduces some fundamental concepts in statistical decision theory and inference. Chapters 3-7 contain detailed studies on some important topics: unbiased estimation, parametric estimation, nonparametric estimation, hypothesis testing, and confidence sets. A large number of exercises in each chapter provide not only practice problems for students, but also many additional results. In addition to the classical results that are typically covered in a textbook of a similar level, this book introduces some topics in modern statistical theory that have been developed in recent years, such as Markov chain Monte Carlo, quasi-likelihoods, empirical likelihoods, statistical functionals, generalized estimation equations, the jackknife, and the bootstrap. Jun Shao is Professor of Statistics at the University of Wisconsin, Madison.