دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Modern Directional Statistics
دانلود کتاب آمار جهت گیری مدرن
مشخصات کتاب
Modern Directional Statistics
ویرایش:
نویسندگان: Christophe Ley. Thomas Verdebout
سری: Chapman & Hall/CRC Interdisciplinary Statistics
ISBN (شابک) : 1498706649, 9781498706643
ناشر: Chapman and Hall/CRC
سال نشر: 2017
تعداد صفحات: 191
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 10 مگابایت
قیمت کتاب (تومان) : 40,000
کلمات کلیدی مربوط به کتاب آمار جهت گیری مدرن: تئوری ماشین، هوش مصنوعی و یادگیری ماشین، علوم کامپیوتر، کامپیوتر و فناوری، زیست‌شناسی، زیست‌شناسی سلولی، زیست‌شناسی توسعه، حشره‌شناسی، زیست‌شناسی دریایی، میکروبیولوژی، زیست‌شناسی مولکولی، آمار زیستی، علوم زیستی، علوم و ریاضی، احتمال و آمار، کاربردی، ریاضیات، علوم و ریاضی، علوم کامپیوتر، الگوریتم ها، هوش مصنوعی، ذخیره سازی و طراحی پایگاه داده، گرافیک و تجسم، شبکه سازی، طراحی نرم افزار شی گرا، سیستم عامل ها، زبان های برنامه نویسی، طراحی و مهندسی نرم افزار
در صورت تبدیل فایل کتاب Modern Directional Statistics 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 جهت گیری مدرن 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 آمار جهت گیری مدرن
آمار جهت‌گیری مدرن پیشرفت‌های مهمی را در روش‌شناسی و تئوری برای آمار جهت‌دار طی دو دهه گذشته جمع‌آوری می‌کند. این یک مرور کلی و تجزیه و تحلیل دقیق از نتایج اخیر ارائه می دهد که می تواند به محققان و پزشکان کمک کند. دانستن آمار چند متغیره خواندن را آسان می کند اما اجباری نیست.
در دو دهه گذشته به دلیل تقاضاهای جدید از حوزه هایی مانند حوزه آمار جهت دار توجه زیادی شده است. به عنوان علوم زیستی یا یادگیری ماشین، در دسترس بودن مجموعه داده های عظیمی که نیاز به تکنیک های آماری اقتباس شده دارند و پیشرفت های تکنولوژیکی. این کتاب پیشرفت‌های مهمی را در تئوری توزیع، آمار ابعاد بالا، تخمین چگالی هسته، استنتاج کارآمد در پشتیبانی‌های جهتی و روش‌های محاسباتی و گرافیکی پوشش می‌دهد.
کریستف لی استاد آمار ریاضی در دانشگاه گنت است. علایق تحقیقاتی او شامل استنتاج نیمه پارامتریک کارآمد، مدلسازی انعطاف پذیر، آمار جهت دار و مطالعه تقریب مجانبی از طریق روش استاین است. از دستاوردهای او می توان به جایزه ماری ژان لورن دوهامل از Société Française de Statistique و عضویت منتخب در مؤسسه بین المللی آمار اشاره کرد. او دستیار سردبیر مجلات آمار محاسباتی و تجزیه و تحلیل داده و اقتصاد سنجی و آمار است.
توماس وردبوت استاد آمار ریاضی در Université libre de Bruxelles (ULB) است. علایق اصلی پژوهشی او آمار نیمه پارامتریک، آمار با ابعاد بالا، آمار جهت دار و رویه های مبتنی بر رتبه است. او برنده جایزه سالانه آکادمی علوم بلژیک و عضو منتخب موسسه بین المللی آمار است. او دستیار سردبیر مجلات Statistics and Probability Letters و Journal of Multivariate Analysis است.
توضیحاتی درمورد کتاب به خارجی
Modern Directional Statistics collects important advances in methodology and theory for directional statistics over the last two decades. It provides a detailed overview and analysis of recent results that can help both researchers and practitioners. Knowledge of multivariate statistics eases the reading but is not mandatory.
The field of directional statistics has received a lot of attention over the past two decades, due to new demands from domains such as life sciences or machine learning, to the availability of massive data sets requiring adapted statistical techniques, and to technological advances. This book covers important progresses in distribution theory,high-dimensional statistics, kernel density estimation, efficient inference on directional supports, and computational and graphical methods.
Christophe Ley is professor of mathematical statistics at Ghent University. His research interests include semi-parametrically efficient inference, flexible modeling, directional statistics and the study of asymptotic approximations via Stein’s Method. His achievements include the Marie-Jeanne Laurent-Duhamel prize of the Société Française de Statistique and an elected membership at the International Statistical Institute. He is associate editor for the journals Computational Statistics & Data Analysis and Econometrics and Statistics.
Thomas Verdebout is professor of mathematical statistics at Université libre de Bruxelles (ULB). His main research interests are semi-parametric statistics, high- dimensional statistics, directional statistics and rank-based procedures. He has won an annual prize of the Belgian Academy of Sciences and is an elected member of the International Statistical Institute. He is associate editor for the journals Statistics and Probability Letters and Journal of Multivariate Analysis.
فهرست مطالب
Content: Introduction OverviewA brief introduction to directional statisticsA brief outline of the theoretical advances presented in this bookDirectional datasets PaleomagnetismPolitical sciencesText miningWildfire orientationLife sciences and bioinformaticsBasics and notations Plan of the bookAdvances in flexible parametric distribution theory IntroductionFlexible parametric modeling: an active research area on RPOrganization of the remainder of the chapterFlexible circular distributionsFour ways to construct circular densitiesThe classics: von Mises, cardioid and wrapped Cauchy distributionsBeyond the classics modern flexible circular modelingFlexible modeling of symmetric data: the Jones-Pewsey distributionSine-skewing: a simple tool to skew any symmetric distributionSkewness combined with unimodality: the scale-transforming approachA general device for building symmetric bipolar distributionsA brief description of three other flexible modelsFlexible spherical distributionsClassical spherical distributionsRotationally symmetric distributionsA general method to skew-rotationally symmetric distributionsFlexible toroidal and cylindrical distributionsSome history, motivations and goalsThe bivariate von Mises distribution and its variantsMardia-Sutton type cylindrical distributionsJohnson-Wehrly type cylindrical distributionsThe copula approachFurther readingAdvances in kernel density estimation on directional supports IntroductionKernel density estimation on the real lineOrganization of the remainder of the chapterDefinitions and main propertiesSpherical kernel density estimationCylindrical kernel density estimationA delicate yet crucial issue: bandwidth choiceSpherical AMISB and bandwidth selectionRule of thumb based on the FvML distributionA gain in generality: AMISE via mixtures of FvML densitiesThree further proposalsBandwidth selection in the cylindrical settingInferential proceduresNon-parametric goodness-of-fit test for directional dataNon-parametric independence test for cylindrical dataAn overview of non-parametric regressionFurther readingComputational and graphical methods Ordering data on the sphere: quantiles and depth functionsOrdering on R and RP, and organization of the remainder of the sectionClassical depth functions on the sphereProjected quantiles and related asymptotic resultsThe angular Mahalanobis depthStatistical procedures based on projected quantities and the angular Mahalanobis depthStatistical inference under order restrictions on the circle Isotomic regression estimation and organization of the remainder of the sectionOrder restrictions on the circleCircular isotonic regressionExploring data features with the CircSiZerThe SiZer, scale space theory and organization of the remainder of the sectionThe CircSiZerKernel choice based on causality: the special role of the wrapped normalComputationally fast estimation for high-dimensional FvML distributionsMaximum likelihood expressions for the parameters of FvML distributions and organization of the sectionApproximations for the concentration parameter from Mardia & Jupp (200) and their limitations in high dimensionsNew (high-dimensional) approximations for the concentration parameterFurther readingLocal asymptotic normality for directional data IntroductionThe LAN property on R and its deep impact on asymptotic statisticsOrganization of the remainder of the chapterLocal asymptotic normality and optimal testingContiguityLocal asymptotic normalityOptimal testing in LAN experimentsLAN, semiparametric efficiency and invarianceLAN for directional dataThe Le Cam methodology for curved experiments and associated efficient testsLAN property for rotationally symmetric distributionsApplication 1: Optimal inference based on signed-ranksApplication 2: ANOVA on spheresApplication 3: Asymptotic power of tests of concentration Further readingRecent results for tests of uniformity and symmetryIntroduction Organization of the remainder of the chapterRecent advances concerning the Rayleigh test of uniformity Sobolev tests of uniformity Uniformity tests based on random projections Testing for uniformity with noisy data Tests of reflective symmetry on the circle Tests of rotational symmetry on hyperspheres Testing for spherical location in the vicinity of the uniform distribution Further reading High-dimensional directional statistics IntroductionHigh-dimensional techniques in RP Organization of the remainder of the chapterDistributions on high-dimensional spheres Testing uniformity in the high-dimensional case Location tests in the high-dimensional case Concentration tests in the high-dimensional case Principal nested spheres Further reading
نظرات کاربران
کتاب های تصادفی
دانلود کتاب Modern Methods in Analytical Morphology
دانلود کتاب Microcosm and Mediator: The Theological Anthropology of Maximus the Confessor
