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:
نویسندگان: Seymour Geisser (auth.)
سری: Monographs on Statistics and Applied Probability 55
ISBN (شابک) : 9780412034718, 9781489944672
ناشر: Springer US
سال نشر: 1993
تعداد صفحات: 275
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 Predictive Inference: An Introduction 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 پیش بینی: مقدمه 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.
پژوهش نویسنده به سمت استنباط شامل قابل مشاهدهها و نه پارامترها هدایت شده است. او در این کتاب نظرات خود را در مورد استنتاج قابل مشاهده یا پیش بینی و مزیت های آن نسبت به استنتاج پارامتریک گرد هم آورده است. در حالی که این کتاب انواع رویکردهای پیشبینی را مورد بحث قرار میدهد، از جمله رویکردهای مبتنی بر مدلهای آماری پارامتری، ناپارامتریک و غیر تصادفی، عمدتاً به کاربردهای پیشبینی رویکرد بیزی اختصاص دارد. این نه تنها آنالیزهای پیش بینی را جایگزین تحلیل های پارامتری می کند، بلکه تحلیل های پیش بینی کننده ای را نیز ارائه می دهد که هیچ آنالوگ پارامتری واقعی ندارند. این نشان میدهد که استنتاج پیشبینیکننده میتواند یک جزء حیاتی حتی در استنتاج پارامتری دقیق هنگام برخورد با تحلیلهای میانی باشد. این رویکرد برای استنتاج پیشبینیکننده مورد توجه آمارشناسان، روانشناسان، اقتصادسنجیها و جامعهشناسان خواهد بود.
The author's research has been directed towards inference involving observables rather than parameters. In this book, he brings together his views on predictive or observable inference and its advantages over parametric inference. While the book discusses a variety of approaches to prediction including those based on parametric, nonparametric, and nonstochastic statistical models, it is devoted mainly to predictive applications of the Bayesian approach. It not only substitutes predictive analyses for parametric analyses, but it also presents predictive analyses that have no real parametric analogues. It demonstrates that predictive inference can be a critical component of even strict parametric inference when dealing with interim analyses. This approach to predictive inference will be of interest to statisticians, psychologists, econometricians, and sociologists.
Content:
Front Matter....Pages i-xii
Introduction....Pages 1-5
Non-Bayesian predictive approaches....Pages 6-45
Bayesian prediction....Pages 46-87
Selecting a statistical model and predicting....Pages 88-117
Problems of comparison and allocation....Pages 118-128
Perturbation analysis....Pages 129-153
Process control and optimization....Pages 154-168
Screening tests for detecting a characteristic....Pages 169-190
Multivariate normal prediction....Pages 191-221
Interim analysis and sampling curtailment....Pages 222-251
Back Matter....Pages 252-264