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: Galen R. Shorack
سری:
ISBN (شابک) : 0387989536, 9780387989532
ناشر: Springer
سال نشر: 2000
تعداد صفحات: 605
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Probability for Statisticians 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 برای آماردانان 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.
انتخاب نمونه های استفاده شده در این متن به وضوح کاربرد آن را برای دوره یک ساله فارغ التحصیل نشان می دهد. مطالبی که در کلاس ارائه می شود کمی بیش از نیمی از متن را تشکیل می دهد، در حالی که بقیه متن زمینه را فراهم می کند، مسیرهای مختلفی را ارائه می دهد که می توان در کلاس درس دنبال کرد، و همچنین مطالب اضافی مناسب برای خودآموزی. ارائه قضایای حد مرکزی اصلی از طریق روش استینز، قبل یا جایگزین ارائه تابع مشخصه، از اهمیت ویژهای برخوردار است. علاوه بر این، با ارائه Bootstrap و trimming، تاکید قابل توجهی بر تابع quantile و همچنین تابع توزیع شده است. بخش مربوط به مارتینگل ها داده های سانسور شده مارتینگل را پوشش می دهد.
The choice of examples used in this text clearly illustrate its use for a one-year graduate course. The material to be presented in the classroom constitutes a little more than half the text, while the rest of the text provides background, offers different routes that could be pursued in the classroom, as well as additional material that is appropriate for self-study. Of particular interest is a presentation of the major central limit theorems via Steins method either prior to or alternative to a characteristic function presentation. Additionally, there is considerable emphasis placed on the quantile function as well as the distribution function, with both the bootstrap and trimming presented. The section on martingales covers censored data martingales.
Preface......Page 8
Contents......Page 10
Use of this Text......Page 14
Definition of Symbols......Page 19
1 Basic Properties of Measures......Page 20
2 Construction and Extension of Measures......Page 31
3 Lebesgue-Stieltjes Measures......Page 37
1 Mappings and igma-Fields......Page 40
2 Measurable Functions......Page 43
3 Convergence......Page 48
4 Probability, RVs, and Convergence in Law......Page 52
5 Discussion of Sub igma-Fields......Page 54
1 The Lebesgue Integral......Page 56
2 Fundamental Properties of Integrals......Page 59
3 Evaluating and Differentiating Integrals......Page 63
4 Inequalities......Page 65
5 Modes of Convergence......Page 70
1 Decomposition of Signed Measures......Page 80
2 The Radon-Nikodym Theorem......Page 85
3 Lebesgue\'s Theorem......Page 89
4 The Fundamental Theorem of Calculus......Page 93
1 Finite-Dimensional Product Measures......Page 98
2 Random Vectors on (\\Omega, \\cal{A}, P)......Page 103
3 Countably Infinite Product Probability Spaces......Page 105
4 Random Elements and Processes on (\\Omega, \\cal{A}, P)......Page 109
1 General Topology......Page 114
2 Metric Spaces......Page 120
3 Hilbert Space......Page 123
1 Character of Distribution Functions......Page 126
2 Properties of Distribution Functions......Page 129
3 The Quantile Transformation......Page 130
4 Integration by Parts Applied to Moments......Page 134
5 Important Statistical Quantities......Page 138
6 Infinite Variance......Page 142
7 Slowly Varying Partial Variance......Page 146
8 Specific Tail Relationships......Page 153
9 Regularly Varying Functions......Page 156
10 Some Winsorized Variance Comparisons......Page 159
11 Inequalities for Winsorized Quantile Functions......Page 166
1 Independence......Page 170
2 The Tail igma-Field......Page 174
3 Uncorrelated Random Variables......Page 176
4 Basic Properties of Conditional Expectation......Page 177
5 Regular Conditional Probability......Page 187
6 Conditional Expectations as Projections......Page 193
1 Elementary Probability......Page 198
2 Distribution Theory for Statistics......Page 206
3 Linear Algebra Applications......Page 210
4 The Multivariate Normal Distribution......Page 218
0 Introduction......Page 222
1 Borel-Cantelli and Kronecker lemmas......Page 223
2 Truncation, WLLN, and Review of Inequalities......Page 225
3 Maximal Inequalities and Symmetrization......Page 229
4 The Classical Laws of Large Numbers, LLNs......Page 234
5 Applications of the Laws of Large Numbers......Page 242
6 General Moment Estimation......Page 245
7 Law of the Iterated Logarithm......Page 254
8 Strong Markov Property for Sums of IID RVs......Page 258
9 Convergence of Series of Independent RVs......Page 260
10 Martingales......Page 265
11 Maximal Inequalities, Some with Boundaries......Page 266
12 A Uniform SLLN......Page 271
1 Steins Method for CLTs......Page 274
2 Winsorization and Truncation......Page 283
3 Identically Distributed RVs......Page 288
4 Bootstrapping......Page 293
5 Bootstrapping with Slowly Increasing Trimming......Page 295
6 Examples of Limiting Distributions......Page 298
7 Classical Convergence in Distribution......Page 307
8 Limit Determining Classes of Functions......Page 311
1 Special Spaces......Page 314
2 Existence of Processes on (C, \\cal{C}) and (D, \\cal{D})......Page 317
3 Brownian Motion and Brownian Bridge......Page 321
4 Stopping Times......Page 324
5 Strong Markov Property......Page 327
6 Embedding a RV in Brownian Motion......Page 330
7 Barrier Crossing Probabilities......Page 333
8 Embedding the Partial Sum Process......Page 337
9 Other Properties of Brownian Motion......Page 342
10 Various Empirical Process......Page 344
11 Inequalities for Various Empirical Processes......Page 352
12 Applications......Page 357
1 Basic Results, with Derivation of Common Chfs......Page 360
2 Uniqueness and Inversion......Page 365
3 The Continuity Theorem......Page 369
4 Elementary Complex and Fourier Analysis......Page 371
5 Esseen s Lemma......Page 377
6 Distributions on Grids......Page 380
7 Conditions for f to Be a Characteristic Function......Page 382
0 Introduction......Page 384
1 Basic Limit Theorems......Page 385
2 Variations on the Classical CLT......Page 390
3 Local Limit Theorems......Page 399
4 Gamma Approximation......Page 402
5 Edgeworth Expansions......Page 409
6 Approximating the Distribution of h(\\bar{X}_n)......Page 415
1 Infinitely Divisible Distributions......Page 418
2 Stable Distributions......Page 426
3 Characterizing Stable Laws......Page 429
4 The Domain of Attraction of a Stable Law......Page 431
0 Introduction......Page 434
1 Trimmed and Winsorized Means......Page 435
2 Linear Rank Statistics and Finite Sampling......Page 445
3 The Bootstrap......Page 451
4 L-Statistics......Page 456
1 U-Statistics......Page 468
2 Hoeffding\'s Combinatorial CLT......Page 477
1 Basic Technicalities for Martingales......Page 486
2 Simple Optional Sampling Theorem......Page 491
3 The Submartingale Convergence Theorem......Page 492
4 Applications of the S-mg Convergence Theorem......Page 500
5 Decomposition of a Submartingale Sequence......Page 506
6 Optional Sampling......Page 511
7 Applications of Optional Sampling......Page 518
8 Introduction to Counting Process Martingales......Page 520
9 Doob-Meyer Submartingale Decomposition......Page 530
10 Predictable Processes and \\int H dM Martingales......Page 535
11 The Basic Censored Data Martingale......Page 541
12 CLTs for Dependent RVs......Page 548
1 Convergence in Distribution on Metric Spaces......Page 550
2 Metrics for Convergence in Distribution......Page 559
A Distribution Summaries......Page 564
1 The Gamma and Digamma Functions......Page 565
2 Maximum Likelihood Estimators and Moments......Page 570
3 Examples of Statistical Models......Page 574
4 Asymptotics of Maximum Likelihood Estimation......Page 582
References......Page 587
Index......Page 594