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: [SIAM ed.] نویسندگان: Jerome P. Keating, Robert L. Mason, Pranab K. Sen سری: ISBN (شابک) : 9780898713084, 0898713080 ناشر: Society for Industrial Mathematics سال نشر: 1987 تعداد صفحات: 243 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Pitman's measure of closeness 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 اندازه گیری نزدیکی پیتمن 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.
Pitman's Measure of Closeness (PMC) به سادگی ایده ای است که زمان آن فرا رسیده است. مطمئناً روش های مختلفی برای تخمین پارامترهای ناشناخته وجود دارد، اما از کدام روش باید استفاده کنید؟ PMC به عنوان جایگزینی برای مفهوم میانگین مربع خطا، بر اساس احتمالات نزدیکی برآوردگرهای رقیب به یک پارامتر ناشناخته است. علاقه مجدد به PMC در 20 سال گذشته نویسندگان را برای تولید این کتاب ترغیب کرده است که این روش مقایسه و سودمندی آن را بررسی می کند. این کتاب با در نظر گرفتن آماردانان و ریاضیدانان تحقیق محور، و همچنین با توجه به نیازهای دانشجویان تحصیلات تکمیلی در دوره های آمار، مقدمه ای کامل با روش ها و نتایج شناخته شده مرتبط با PMC ارائه می دهد. به دنبال پیشگفتاری توسط C.R. رائو، سه فصل اول بر مفاهیم اساسی، تاریخ، بحث، پارادوکس ها و مثال های مرتبط با معیار PMC تمرکز دارد.
Pitman's Measure of Closeness (PMC) is simply an idea whose time has come. Certainly there are many different ways to estimate unknown parameters, but which method should you use? Posed as an alternative to the concept of mean-squared-error, PMC is based on the probabilities of the closeness of competing estimators to an unknown parameter. Renewed interest in PMC over the last 20 years has motivated the authors to produce this book, which explores this method of comparison and its usefulness. Written with research oriented statisticians and mathematicians in mind, but also considering the needs of graduate students in statistics courses, this book provides a thorough introduction to the methods and known results associated with PMC. Following a foreword by C .R. Rao, the first three chapters focus on basic concepts, history, controversy, paradoxes and examples associated with the PMC criterion.