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: نویسندگان: Marvin H. J. Gruber, Gerald J. Lieberman and Ingram Olkin (Auth.) سری: Statistical Modeling and Decision Science ISBN (شابک) : 9780123047526, 0123047528 ناشر: Elsevier Inc, Academic Press سال نشر: 1990 تعداد صفحات: 340 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 مگابایت
کلمات کلیدی مربوط به کتاب برآوردگر رگرسیون. یک مطالعه مقایسه ای: ریاضیات، نظریه احتمالات و آمار ریاضی، آمار ریاضی
در صورت تبدیل فایل کتاب Regression Estimators. A Comparative Study 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 برآوردگر رگرسیون. یک مطالعه مقایسه ای 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.
بررسی فرمولهای ریاضی برآوردگرهای نوع رگرسیون برجستگی به یک مشاهده کنجکاو اشاره میکند: برآوردگرها را میتوان با هر دو روش بیزی و فرکانس به دست آورد. ماروین اچ جی گروبر در این نسخه به روز شده و توسعه یافته رساله خود در سال 1990 در این زمینه، توسعه و ویژگی های برآوردگرهای نوع برجستگی را از این دو دیدگاه متفاوت از نظر فلسفی ارائه، مقایسه و مقایسه می کند.
کتاب در پنج بخش تنظیم شده است. بخش اول یک بررسی تاریخی از ادبیات ارائه می دهد و ایده های اساسی در نظریه ماتریس و نظریه تصمیم گیری آماری را خلاصه می کند. بخش دوم به بررسی روابط ریاضی بین برآوردگرها از دیدگاه بیزی و فرکانس می پردازد. بخش سوم کارایی برآوردگرها را با و بدون میانگین نسبت به توزیع قبلی در نظر می گیرد. بخش IV روش ها و نتایج مورد بحث در دو بخش قبلی را در فیلتر کالمن، تحلیل مدل های واریانس و خطوط جریمه شده اعمال می کند. بخش پنجم به بررسی تحولات اخیر در این زمینه می پردازد. اینها شامل کارایی برآوردگرهای نوع برجستگی برای توابع تلفات غیر از توابع از دست دادن خطای مربعی و کاربرد در هندسه اطلاعات است. گروبر همچنین شامل بررسی تاریخی و کتابشناسی به روز شده است.
با بیش از 150 تمرین، برآوردهای رگرسیون منبع ارزشمندی برای دانشجویان تحصیلات تکمیلی و آماردانان حرفه ای است.
An examination of mathematical formulations of ridge-regression-type estimators points to a curious observation: estimators can be derived by both Bayesian and Frequentist methods. In this updated and expanded edition of his 1990 treatise on the subject, Marvin H. J. Gruber presents, compares, and contrasts the development and properties of ridge-type estimators from these two philosophically different points of view.
The book is organized into five sections. Part I gives a historical survey of the literature and summarizes basic ideas in matrix theory and statistical decision theory. Part II explores the mathematical relationships between estimators from both Bayesian and Frequentist points of view. Part III considers the efficiency of estimators with and without averaging over a prior distribution. Part IV applies the methods and results discussed in the previous two sections to the Kalman Filter, analysis of variance models, and penalized splines. Part V surveys recent developments in the field. These include efficiencies of ridge-type estimators for loss functions other than squared error loss functions and applications to information geometry. Gruber also includes an updated historical survey and bibliography.
With more than 150 exercises, Regression Estimators is a valuable resource for graduate students and professional statisticians.
Content:
Front Matter, Page iii
Copyright, Page iv
Preface, Pages ix-xi
Chapter I - Introduction, Pages 3-18
Chapter II - Mathematical and Statistical Preliminaries, Pages 19-55
Chapter III - The Estimators, Pages 59-92
Chapter IV - How the Different Estimators Are Related, Pages 93-147
Chapter V - Measures of Efficiency of the Estimators, Pages 151-157
Chapter VI - The Average MSE, Pages 159-184
Chapter VII - The MSE Neglecting the Prior Assumptions, Pages 185-225
Chapter VIII - The MSE for Incorrect Prior Assumptions, Pages 227-250
Chapter IX - The Kalman Filter, Pages 253-288
Chapter X - Experimental Design Models, Pages 289-326
BIBLIOGRAPHY, Pages 327-334
AUTHOR INDEX, Pages 335-337
SUBJECT INDEX, Pages 339-347
STATISTICAL MODELING AND DECISION SCIENCE, Page ibc1