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
دسته بندی: آمار ریاضی ویرایش: 1 نویسندگان: Nitis Mukhopadhyay سری: Statistics: A Series of Textbooks and Monographs ISBN (شابک) : 0824703790, 9780585444932 ناشر: CRC Press سال نشر: 2000 تعداد صفحات: 690 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 19 مگابایت
کلمات کلیدی مربوط به کتاب احتمال و استنباط آماری: ریاضیات، نظریه احتمالات و آمار ریاضی
در صورت تبدیل فایل کتاب Probability And Statistical Inference 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 احتمال و استنباط آماری 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.
قیمت بسیار رقابتی در مقایسه با سایر کتاب های درسی در این سطح! این کتاب درسی به زیبایی سازماندهی شده، نظریه دقیق احتمالات و استنتاج آماری را در سبک آموزشی، با استفاده از مثالهای کار شده، تمرینها، شکلها و جداول متعدد و شبیهسازیهای رایانهای برای توسعه و تشریح مفاهیم نشان میدهد. با مقدمه ای بر ایده ها و تکنیک های اساسی در تئوری احتمالات و پیشرفت به موضوعات دقیق تر، احتمالات و استنتاج آماری شروع می شود. تبدیل هلمرت را برای توزیعهای عادی و زمان انتظار بین خرابیها برای توزیعهای نمایی را مطالعه میکند مفاهیم همگرایی در احتمال و توزیع را توسعه می دهد قضیه حد مرکزی (CLT) را برای واریانس نمونه برجسته می کند توزیع های نمونه برداری و بسط های کورنیش-فیشر را معرفی می کند بر مبانی کفایت، اطلاعات، کامل بودن و همراهی تمرکز دارد قضیه باسو و همچنین مکان، مقیاس و خانوادههای توزیعهای مقیاس مکان را توضیح میدهد برآوردگرهای لحظه ای، برآوردگرهای حداکثر درستنمایی (MLE)، Rao-Blackwellization و نابرابری Cramér-Rao را پوشش می دهد. برآوردگرهای بی طرفانه حداقل واریانس یکنواخت (UMVUE) و قضایای Lehmann-Scheffé را مورد بحث قرار می دهد. بر روی نظریه نیمن-پیرسون قوی ترین (MP) و یکنواخت ترین (UMP) آزمون های فرضیه ها و همچنین فواصل اطمینان تمرکز دارد. شامل آزمون های نسبت درستنمایی (LR) برای میانگین، واریانس و ضریب همبستگی روش های بیزی را خلاصه می کند ویژگی نسبت درستنمایی یکنواخت (MLR) را توصیف می کند تبدیلات تثبیت کننده واریانس را کنترل می کند زمینه ای تاریخی برای آمار و اکتشافات آماری فراهم می کند آماردانان بزرگ را از طریق یادداشت های بیوگرافی به نمایش می گذارد احتمال و استنتاج آماری با استفاده از بیش از 1400 معادله برای تقویت موضوع خود، متنی پیشگامانه برای دوره های کارشناسی ارشد سال اول و دوره های بالاتر در مقطع کارشناسی احتمال و استنتاج آماری است که پیش نیاز حساب دیفرانسیل و انتگرال را تکمیل کرده اند، و همچنین متن تکمیلی برای کلاس های استنتاج آماری پیشرفته یا تئوری تصمیم.
Priced very competitively compared with other textbooks at this level! This gracefully organized textbook reveals the rigorous theory of probability and statistical inference in the style of a tutorial, using worked examples, exercises, numerous figures and tables, and computer simulations to develop and illustrate concepts. Beginning with an introduction to the basic ideas and techniques in probability theory and progressing to more rigorous topics, Probability and Statistical Inference studies the Helmert transformation for normal distributions and the waiting time between failures for exponential distributions develops notions of convergence in probability and distribution spotlights the central limit theorem (CLT) for the sample variance introduces sampling distributions and the Cornish-Fisher expansions concentrates on the fundamentals of sufficiency, information, completeness, and ancillarity explains Basu's Theorem as well as location, scale, and location-scale families of distributions covers moment estimators, maximum likelihood estimators (MLE), Rao-Blackwellization, and the Cramér-Rao inequality discusses uniformly minimum variance unbiased estimators (UMVUE) and Lehmann-Scheffé Theorems focuses on the Neyman-Pearson theory of most powerful (MP) and uniformly most powerful (UMP) tests of hypotheses, as well as confidence intervals includes the likelihood ratio (LR) tests for the mean, variance, and correlation coefficient summarizes Bayesian methods describes the monotone likelihood ratio (MLR) property handles variance stabilizing transformations provides a historical context for statistics and statistical discoveries showcases great statisticians through biographical notes Employing over 1400 equations to reinforce its subject matter, Probability and Statistical Inference is a groundbreaking text for first-year graduate and upper-level undergraduate courses in probability and statistical inference who have completed a calculus prerequisite, as well as a supplemental text for classes in Advanced Statistical Inference or Decision Theory.