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
ویرایش: 1
نویسندگان: Jeffrey D. Hart
سری: Springer Series in Statistics
ISBN (شابک) : 0387949801, 9780387949802
ناشر: Springer
سال نشر: 1997
تعداد صفحات: 298
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 10 مگابایت
در صورت تبدیل فایل کتاب Nonparametric smoothing and lack-of-fit tests 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 تست های هموارسازی و عدم تناسب ناپارامتری 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.
کاوشی در استفاده از روش های هموارسازی در آزمایش برازش مدل های رگرسیون پارامتری. این کتاب بسیاری از روشهای موجود برای تست عدم تناسب را بررسی میکند و همچنین تعدادی روش جدید را پیشنهاد میکند که به جنبههای کاربردی و نظری مشکلات بررسی مدل میپردازد. به این ترتیب، این کتاب مورد توجه متخصصان آمار و محققانی است که به بررسی آزمونهای عدم تناسب یا ایدههای هموارسازی ناپارامتری میپردازند. چهار فصل اول مشکل تخمین توابع رگرسیون توسط نرمافزارهای ناپارامتریک، عمدتاً از نوع هسته و سری فوریه را معرفی میکند و میتواند به عنوان پایهای برای دوره تحصیلات تکمیلی در مورد تخمین تابع ناپارامتریک استفاده شود. پیش نیاز برای درک کامل کتاب، دانش اندک حساب دیفرانسیل و انتگرال و آشنایی با مبانی آمار ریاضی است.
An exploration of the use of smoothing methods in testing the fit of parametric regression models. The book reviews many of the existing methods for testing lack-of-fit and also proposes a number of new methods, addressing both applied and theoretical aspects of the model checking problems. As such, the book is of interest to practitioners of statistics and researchers investigating either lack-of-fit tests or nonparametric smoothing ideas. The first four chapters introduce the problem of estimating regression functions by nonparametric smoothers, primarily those of kernel and Fourier series type, and could be used as the foundation for a graduate level course on nonparametric function estimation. The prerequisites for a full appreciation of the book are a modest knowledge of calculus and some familiarity with the basics of mathematical statistics.