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: سازمان و پردازش داده ها ویرایش: 1 نویسندگان: Natalia Markovich سری: Wiley Series in Probability and Statistics ISBN (شابک) : 0470510870, 9780470510872 ناشر: Wiley-Interscience سال نشر: 2007 تعداد صفحات: 329 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب Nonparametric Analysis of Univariate Heavy-Tailed Data: Research and Practice 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 تجزیه و تحلیل غیر پارامتری داده های سنگین متغیر متغیر: پژوهش و عمل 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.
توزیعهای دم سنگین برای پدیدههای سیستمهای چند جزئی پیچیده مانند بیومتری، اقتصاد، سیستمهای بومشناختی، جامعهشناسی، آمار دسترسی به وب، ترافیک اینترنتی، کتابسنجی، مالی و تجارت معمول هستند. تجزیه و تحلیل چنین توزیع هایی به دلیل ویژگی های خاص آنها به روش های تخمین خاصی نیاز دارد. اینها نه تنها فروپاشی آهسته دم به صفر است، بلکه نقض شرایط کرامر، عدم وجود برخی لحظات احتمالی و مشاهدات پراکنده در دم توزیع است. این کتاب بر روش های تجزیه و تحلیل آماری سنگین تمرکز دارد. متغیرهای تصادفی مستقل و یکسان توزیع شده توسط نمونه های تجربی با اندازه های متوسط. این بررسی مفصلی از نتایج کلاسیک و پیشرفتهای اخیر در تئوری تخمین ناپارامتری تابع چگالی احتمال، شاخص دم، نرخ خطر و تابع تجدید ارائه میکند. نمونههای با اندازههای متوسط که توسط تحقیق مونت کارلو پشتیبانی میشوند، در نظر گرفته شدهاند. متن با استفاده از روش های در نظر گرفته شده برای داده های واقعی اندازه گیری ترافیک وب نشان داده شده است.
Heavy-tailed distributions are typical for phenomena in complex multi-component systems such as biometry, economics, ecological systems, sociology, web access statistics, internet traffic, biblio-metrics, finance and business. The analysis of such distributions requires special methods of estimation due to their specific features. These are not only the slow decay to zero of the tail, but also the violation of Cramer's condition, possible non-existence of some moments, and sparse observations in the tail of the distribution.The book focuses on the methods of statistical analysis of heavy-tailed independent identically distributed random variables by empirical samples of moderate sizes. It provides a detailed survey of classical results and recent developments in the theory of nonparametric estimation of the probability density function, the tail index, the hazard rate and the renewal function.Both asymptotical results, for example convergence rates of the estimates, and results for the samples of moderate sizes supported by Monte-Carlo investigation, are considered. The text is illustrated by the application of the considered methodologies to real data of web traffic measurements.
Nonparametric Analysis of Univariate Heavy-Tailed Data......Page 1
Frontmatter......Page 2
1 Definitions and Rough Detection of Tail Heaviness......Page 22
2 Classical Methods of Probability Density Estimation......Page 81
3 Heavy-Tailed Density Estimation......Page 118
4 Transformations and Heavy-Tailed Density Estimation......Page 141
5 Classification and Retransformed Density Estimates......Page 169
6 Estimation of High Quantiles......Page 181
7 Nonparametric Estimation of the Hazard Rate Function......Page 196
8 Nonparametric Estimation of the Renewal Function......Page 236
Appendix A: Proofs of Chapter 2......Page 267
Appendix B: Proofs of Chapter 4......Page 268
Appendix C: Proofs of Chapter 5......Page 282
Appendix D: Proofs of Chapter 6......Page 286
Appendix E: Proofs of Chapter 7......Page 290
Appendix F: Proofs of Chapter 8......Page 299
List of Main Symbols and Abbreviations......Page 304
References......Page 307
Index......Page 318
Wiley Series in Probability and Statistics......Page 322