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: Frees. Edward W
سری: International series on actuarial science
ISBN (شابک) : 9780521760119, 0511814372
ناشر: Cambridge University Press
سال نشر: 2010
تعداد صفحات: 585
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب مدل سازی رگرسیون با کاربردهای حسابداری و مالی: امور مالی--روش های آماری،Finanzmathematik،Finanzmathematik--رگرسیون (ریاضی)،بیمه--روش های آماری،تحلیل رگرسیون،رگرسیون--Finanzmathematik،رگرسیون--ریاضیات اکچوئری،تحلیل رگرسیون،ریاضیات اکچوئری،ریاضیات اکچوئری .)،بیمه -- روشهای آماری، امور مالی -- روشهای آماری، رگرسیون -- مالی، مالی -- رگرسیون (ریاضی)، اکچوئری -- رگرسیون (ریاضی)، رگرسیون -- اکچوئری
در صورت تبدیل فایل کتاب Regression modeling with actuarial and financial applications 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 مدل سازی رگرسیون با کاربردهای حسابداری و مالی 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.
"تکنیک های آماری را می توان برای رسیدگی به موقعیت های جدید استفاده کرد. این در یک مدیریت ریسک و دنیای مالی به سرعت در حال تحول مهم است. تحلیلگران با پیشینه آماری قوی می دانند که مجموعه داده های بزرگ می تواند گنجینه ای از اطلاعات را نشان دهد که باید استخراج شوند و می توانند به دست آورند. یک مزیت رقابتی قوی. این کتاب به اکچوئرها و تحلیلگران مالی نوپا پایه ای در رگرسیون چندگانه و سری های زمانی ارائه می دهد. خوانندگان با استفاده از داده های مربوط به تقاضای بیمه، فروش قرعه کشی، نرخ ارز خارجی و سایر کاربردها با این تکنیک های آماری آشنا خواهند شد. هیچ دانش خاصی از مدیریت ریسک یا امور مالی فرض نمی شود، این رویکرد کاربردهایی را معرفی می کند که در آنها می توان از تکنیک های آماری برای تجزیه و تحلیل داده های واقعی مورد علاقه استفاده کرد. عمل، از جمله تجزیه و تحلیل داده های طولی، دو بخشی (فرکانس/شدت)، و دم چربی \"-- پشت جلد.;1. رگرسیون و توزیع نرمال -- pt. I. رگرسیون خطی -- 2. رگرسیون خطی پایه -- 3. رگرسیون خطی چندگانه -- I -- 4. رگرسیون خطی چندگانه -- II -- 5. انتخاب متغیر -- 6. تفسیر نتایج رگرسیون -- pt. II. موضوعات در سری های زمانی -- 7. روندهای مدل سازی -- 8. خودهمبستگی ها و مدل های خود رگرسیون -- 9. مدل های پیش بینی و سری زمانی -- 10. مدل های داده های طولی و تابلویی -- pt. III. موضوعات در رگرسیون غیرخطی -- 11. متغیرهای وابسته طبقه بندی -- 12. تعداد متغیرهای وابسته -- 13. مدل های خطی تعمیم یافته -- 14. مدل های بقا -- 15. موضوعات رگرسیون متفرقه -- pt. IV. کاربردهای اکچوئری -- 16. مدل های فرکانس-شدت -- 17. مدل های رگرسیون دم چربی -- 18. اعتبار و پاداش-مالوس -- 19. مثلث ادعا -- 20. نگارش گزارش: ارتباط نتایج تجزیه و تحلیل داده ها -- 21. طراحی نمودارهای موثر -- پیوست 1. استنتاج آماری پایه -- پیوست 2. جبر ماتریسی -- پیوست 3. جداول احتمال.
"Statistical techniques can be used to address new situations. This is important in a rapidly evolving risk management and financial world. Analysts with a strong statistical background understand that a large data set can represent a treasure trove of information to be mined and can yield a strong competitive advantage. This book provides budding actuaries and financial analysts with a foundation in multiple regression and time series. Readers will learn about these statistical techniques using data on the demand for insurance, lottery sales, foreign exchange rates, and other applications. Although no specific knowledge of risk management or finance is presumed, the approach introduces applications in which statistical techniques can be used to analyze real data of interest. In addition to the fundamentals, this book describes several advanced statistical topics that are particularly relevant to actuarial and financial practice, including the analysis of longitudinal, two-part (frequency/severity), and fat-tailed data"--Back cover.;1. Regression and the Normal Distribution -- pt. I. Linear Regression -- 2. Basic Linear Regression -- 3. Multiple Linear Regression -- I -- 4. Multiple Linear Regression -- II -- 5. Variable Selection -- 6. Interpreting Regression Results -- pt. II. Topics in Time Series -- 7. Modeling Trends -- 8. Autocorrelations and Autoregressive Models -- 9. Forecasting and Time Series Models -- 10. Longitudinal and Panel Data Models -- pt. III. Topics in Nonlinear Regression -- 11. Categorical Dependent Variables -- 12. Count Dependent Variables -- 13. Generalized Linear Models -- 14. Survival Models -- 15. Miscellaneous Regression Topics -- pt. IV. Actuarial Applications -- 16. Frequency-Severity Models -- 17. Fat-Tailed Regression Models -- 18. Credibility and Bonus-Malus -- 19. Claims Triangles -- 20. Report Writing: Communicating Data Analysis Results -- 21. Designing Effective Graphs -- Appendix 1. Basic Statistical Inference -- Appendix 2. Matrix Algebra -- Appendix 3. Probability Tables.
1. Regression and the Normal Distribution --
pt. I. Linear Regression --
2. Basic Linear Regression --
3. Multiple Linear Regression --
I --
4. Multiple Linear Regression --
II --
5. Variable Selection --
6. Interpreting Regression Results --
pt. II. Topics in Time Series --
7. Modeling Trends --
8. Autocorrelations and Autoregressive Models --
9. Forecasting and Time Series Models --
10. Longitudinal and Panel Data Models --
pt. III. Topics in Nonlinear Regression --
11. Categorical Dependent Variables --
12. Count Dependent Variables --
13. Generalized Linear Models --
14. Survival Models --
15. Miscellaneous Regression Topics --
pt. IV. Actuarial Applications --
16. Frequency-Severity Models --
17. Fat-Tailed Regression Models --
18. Credibility and Bonus-Malus --
19. Claims Triangles --
20. Report Writing: Communicating Data Analysis Results --
21. Designing Effective Graphs --
Appendix 1. Basic Statistical Inference --
Appendix 2. Matrix Algebra --
Appendix 3. Probability Tables.