Model Averaging

این کتاب یک نمای کلی مختصر و قابل دسترس از میانگین گیری مدل با تمرکز بر برنامه ها ارائه می دهد. میانگین‌گیری مدل وسیله‌ای رایج برای اجازه دادن عدم قطعیت مدل در هنگام تجزیه و تحلیل داده‌ها است و در طیف گسترده‌ای از حوزه‌های کاربردی مانند اکولوژی، اقتصاد سنجی، هواشناسی و فارماکولوژی استفاده شده است. این کتاب مروری بر روش‌های توسعه‌یافته در این زمینه ارائه می‌کند و بسیاری از آنها را با مثال‌هایی از علوم زیستی که شامل داده‌های دنیای واقعی است، نشان می‌دهد. همچنین شامل فهرست گسترده ای از منابع و پیشنهادات برای تحقیقات بیشتر است. علاوه بر این، به وضوح ارتباط بین روش‌های توسعه‌یافته در آمار، اقتصاد سنجی و یادگیری ماشین، و همچنین ارتباط بین رویکردهای بیزی و مکرر برای میانگین‌گیری مدل را نشان می‌دهد. این کتاب برای آماردانان و دانشمندان علاقه مند به روش های موجود، تفاوت آنها و آنچه در مورد خواص آنها شناخته شده است، جذاب است. فرض بر این است که خوانندگان با مفاهیم اساسی تئوری آماری و مدل سازی، از جمله احتمال، احتمال و مدل های خطی تعمیم یافته آشنا هستند.

This book provides a concise and accessible overview of model averaging, with a focus on applications. Model averaging is a common means of allowing for model uncertainty when analysing data, and has been used in a wide range of application areas, such as ecology, econometrics, meteorology and pharmacology. The book presents an overview of the methods developed in this area, illustrating many of them with examples from the life sciences involving real-world data. It also includes an extensive list of references and suggestions for further research. Further, it clearly demonstrates the links between the methods developed in statistics, econometrics and machine learning, as well as the connection between the Bayesian and frequentist approaches to model averaging. The book appeals to statisticians and scientists interested in what methods are available, how they differ and what is known about their properties. It is assumed that readers are familiar with the basic concepts of statistical theory and modelling, including probability, likelihood and generalized linear models.