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: Sneh Gulati. William J. Padgett (auth.)
سری: Lecture Notes in Statistics 172
ISBN (شابک) : 9780387001388, 9780387215495
ناشر: Springer-Verlag New York
سال نشر: 2003
تعداد صفحات: 122
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب استنباط پارامتری و غیر پارامتری از داده های رکورد شکن: نظریه و روش های آماری
در صورت تبدیل فایل کتاب Parametric and Nonparametric Inference from Record-Breaking Data 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 استنباط پارامتری و غیر پارامتری از داده های رکورد شکن 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.
بهعنوان آماردان، ما دائماً در تلاش هستیم تا در مورد جمعیت اصلی که دادهها از آنها مشاهده میشود، استنباط کنیم. این شامل تخمین و پیشبینی پارامترهای اساسی جمعیت از دادههای کامل و ناقص است. اخیراً، روششناسی برای تخمین و پیشبینی از دادههای ناقص برای آنچه به عنوان \"دادههای رکوردشکنی\" شناخته میشود، یعنی دادههایی که از تنظیم رکوردهای جدید تولید میشوند، مفید است. از دیرباز علاقه شدیدی به مشاهده انواع رکوردها وجود داشته است، به ویژه سوابق ورزشی، سوابق مالی، رکوردهای سیل و دمای روزانه، که به چند مورد اشاره می شود. کتاب معروف رکوردهای جهانی گینس پر از این نوع اطلاعات رکوردی است. طبق معمول، فراتر از علاقه عمومی به دانستن آخرین یا آخرین مقدار رکورد، مسئله آماری پیشبینی رکورد بعدی بر اساس سوابق گذشته نیز یکی از حوزههای مهم تحقیق رکورد بوده است. مدلهای احتمالی و آماری برای توصیف رفتار و پیشبینی از دادههای رکوردشکنی تنها در پنجاه یا چند سال گذشته توسعه یافتهاند، با حجم نسبتاً زیادی از ادبیات در مورد این موضوع در چند دهه اخیر. این کتاب که از دیدگاه یک آماردان نوشته شده است، مجموعهای از "سوابق" نیست، بلکه به مسائل آماری استنتاج از یک نوع داده ناقص، دادههای رکوردشکنی میپردازد که بهعنوان مقادیر رکورد متوالی (حداکثر یا حداکثر) مشاهده میشوند. حداقل) ناشی از یک پدیده یا موقعیت مورد مطالعه. پیشبینی تنها یکی از جنبههای استنتاج آماری بر اساس مقادیر رکورد مشاهدهشده است.
As statisticians, we are constantly trying to make inferences about the underlying population from which data are observed. This includes estimation and prediction about the underlying population parameters from both complete and incomplete data. Recently, methodology for estimation and prediction from incomplete data has been found useful for what is known as "record-breaking data," that is, data generated from setting new records. There has long been a keen interest in observing all kinds of records-in particular, sports records, financial records, flood records, and daily temperature records, to mention a few. The well-known Guinness Book of World Records is full of this kind of record information. As usual, beyond the general interest in knowing the last or current record value, the statistical problem of prediction of the next record based on past records has also been an important area of record research. Probabilistic and statistical models to describe behavior and make predictions from record-breaking data have been developed only within the last fifty or so years, with a relatively large amount of literature appearing on the subject in the last couple of decades. This book, written from a statistician's perspective, is not a compilation of "records," rather, it deals with the statistical issues of inference from a type of incomplete data, record-breaking data, observed as successive record values (maxima or minima) arising from a phenomenon or situation under study. Prediction is just one aspect of statistical inference based on observed record values.
Cover Page......Page 1
Title Page......Page 3
Preface......Page 5
Contents......Page 7
Ch 1. Introduction......Page 9
Ch 2. Preliminaries and Early Work......Page 13
Ch 3. Parametric Inference......Page 19
Ch 4. Nonparametric Inference - Genesis......Page 41
Ch 5. Smooth Function Estimation......Page 53
Ch 6. Bayesian Models......Page 75
Ch 7. Record Models with Trend......Page 89
References......Page 113
Index......Page 119