On Model Uncertainty and its Statistical Implications: Proceedings of a Workshop, Held in Groningen, The Netherlands, September 25–26, 1986

در این کتاب مشکلات مربوط به انتخاب مدل‌ها در زمینه‌های متنوعی مانند رگرسیون، ساختار کوواریانس، تحلیل سری‌های زمانی و آزمایش‌های چندجمله‌ای مورد بحث قرار گرفته است. تاکید بر مفاهیم آماری برای ارزیابی مدل زمانی است که ارزیابی با همان داده هایی انجام شود که مدل را تولید کرده است. این یک مشکل طولانی مدت است که به دلیل سختی آن مشهور است. برخی از مشارکت کنندگان این مشکل را به شیوه ای روشن بیان می کنند. دیگران، و این یک ویژگی واقعاً جدید است، به طور سیستماتیک بررسی می‌کنند که آیا روش‌های استفاده مجدد از نمونه مانند بوت استرپ می‌توانند برای ارزیابی کیفیت تخمین‌گرها یا پیش‌بینی‌کننده‌ها به روشی قابل اعتماد با توجه به عدم قطعیت مدل اولیه استفاده شوند یا خیر. این کتاب باید برای پزشکان پیشرفته و روش شناسان آماری به طور یکسان ارزشمند باشد.

In this book problems related to the choice of models in such diverse fields as regression, covariance structure, time series analysis and multinomial experiments are discussed. The emphasis is on the statistical implications for model assessment when the assessment is done with the same data that generated the model. This is a problem of long standing, notorious for its difficulty. Some contributors discuss this problem in an illuminating way. Others, and this is a truly novel feature, investigate systematically whether sample re-use methods like the bootstrap can be used to assess the quality of estimators or predictors in a reliable way given the initial model uncertainty. The book should prove to be valuable for advanced practitioners and statistical methodologists alike.