ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Robust Statistical Methods With R

دانلود کتاب روشهای آماری قوی با R

Robust Statistical Methods With R

مشخصات کتاب

Robust Statistical Methods With R

دسته بندی: آمار ریاضی
ویرایش: 2 
نویسندگان: , ,   
سری:  
ISBN (شابک) : 113803536X, 9781315268125 
ناشر: CRC Press/Taylor & Francis Group 
سال نشر: 2019 
تعداد صفحات: 269 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت

قیمت کتاب (تومان) : 42,000



کلمات کلیدی مربوط به کتاب روشهای آماری قوی با R: آمار قوی، آمار ریاضی، R (زبان برنامه کامپیوتری)



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 8


در صورت تبدیل فایل کتاب Robust Statistical Methods With R 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 روشهای آماری قوی با R 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.


توضیحاتی در مورد کتاب روشهای آماری قوی با R

ویرایش دوم روش‌های آماری قوی با R یک درمان سیستماتیک از رویه‌های قوی با تأکید بر پیشرفت‌های جدید و جنبه‌های محاسباتی ارائه می‌کند. مثال‌ها و یادداشت‌های عددی زیادی در مورد محیط R وجود دارد، و فصل به روز شده در مورد مدل چند متغیره حاوی مطالب اضافی در مورد تجسم داده‌های چند متغیره در R است. فصل جدیدی در مورد رویه‌های قوی در مدل‌های خطای اندازه‌گیری عمدتاً بر روی روش‌های رتبه‌بندی متمرکز است که حساسیت کمتری دارد. نسبت به سایر رویه ها نسبت به خطاها. این کتاب منبع ارزشمندی برای محققین و دانشجویان تحصیلات تکمیلی در رشته آمار و ریاضیات خواهد بود. امکانات: • یک روش سیستماتیک و عملی از روش های آماری قوی ارائه می دهد • درمان دقیقی از طیف وسیعی از روش‌های قوی، از جمله نسخه‌های متوالی تخمین‌گرها، هم‌گرایی لحظه‌ای آنها، و مقایسه رفتار مجانبی و نمونه محدود آنها ارائه می‌کند. • حساب توسعه یافته مدل های چند متغیره شامل قابلیت پذیرش، اثرات انقباض و بی طرفی تست های دو نمونه است. • حساسیت اندک رویه های رتبه بندی در مدل خطای اندازه گیری را نشان می دهد • بر جنبه‌های محاسباتی تأکید می‌کند، مثال‌ها و تصاویر زیادی را ارائه می‌کند و رویه‌های خود نویسندگان را در نرم‌افزار R در وب‌سایت کتاب ارائه می‌دهد.


توضیحاتی درمورد کتاب به خارجی

The second edition of Robust Statistical Methods with R provides a systematic treatment of robust procedures with an emphasis on new developments and on the computational aspects. There are many numerical examples and notes on the R environment, and the updated chapter on the multivariate model contains additional material on visualization of multivariate data in R. A new chapter on robust procedures in measurement error models concentrates mainly on the rank procedures, less sensitive to errors than other procedures. This book will be an invaluable resource for researchers and postgraduate students in statistics and mathematics. Features: • Provides a systematic, practical treatment of robust statistical methods • Offers a rigorous treatment of the whole range of robust methods, including the sequential versions of estimators, their moment convergence, and compares their asymptotic and finite-sample behavior • The extended account of multivariate models includes the admissibility, shrinkage effects and unbiasedness of two-sample tests • Illustrates the small sensitivity of the rank procedures in the measurement error model • Emphasizes the computational aspects, supplies many examples and illustrations, and provides the own procedures of the authors in the R software on the book's website.



فهرست مطالب

Cover
Half Title
Title Page
Copyright Page
Contents
Preface
Preface to the 1st edition
Acknowledgments
Introduction
	R environment
1. Mathematical tools of robustness
	1.1 Statistical model
	1.2 Illustration on statistical estimation
	1.3 Statistical functional
	1.4 Fisher consistency
	1.5 Some distances of probability measures
	1.6 Relations between distances
	1.7 Differentiable statistical functionals
	1.8 Gâteau derivative
	1.9 Fréchet derivative
	1.10 Hadamard (compact) derivative
	1.11 Large sample distribution of empirical functional
	1.12 Problems and complements
2. Characteristics of robustness
	2.1 Influence function
	2.2 Discretized form of influence function
	2.3 Qualitative robustness
	2.4 Quantitative characteristics of robustness based on influence function
	2.5 Maximum bias
	2.6 Breakdown point
	2.7 Tail–behavior measure of a statistical estimator
	2.8 Variance of asymptotic normal distribution
	2.9 Available “robust” packages in R
	2.10 Problems and complements
3. Estimation of real parameter
	3.1 M-estimators
	3.2 M-estimator of location
	3.3 Finite sample minimax property of M-estimator
	3.4 Moment convergence of M-estimators
	3.5 Studentized M-estimators
	3.6 S- and T- estimators, MM-estimators
	3.7 L-estimators
	3.8 Moment convergence of L-estimators
	3.9 Sequential M- and L-estimators, minimizing observation costs
	3.10 R-estimators
	3.11 Examples
	3.12 Problems and complements
4. Linear model
	4.1 Introduction
	4.2 Least squares method
	4.3 M-estimators
	4.4 GM-estimators
	4.5 R-estimators, GR-estimators
	4.6 L-estimators, regression quantiles
	4.7 Regression rank scores
	4.8 Robust scale statistics
	4.9 Estimators with high breakdown points
	4.10 S-estimators and MM-estimators
	4.11 Examples
	4.12 Problems and complements
5. Multivariate model
	5.1 Concept of multivariate symmetry
	5.2 Multivariate location estimation
	5.3 Admissibility and shrinkage
	5.4 Visualization of multivariate data in R
	5.5 Multivariate regression estimation
	5.6 Affine invariance and equivariance, maximal invariants
	5.7 Unbiasedness of two-sample nonparametric tests
	5.8 Problems and complements
6. Large sample and finite sample behavior of robust estimators
	6.1 Introduction
	6.2 M-estimators
	6.3 L-estimators
	6.4 R-estimators
	6.5 Interrelationships of M-, L- and R-estimators
	6.6 Estimation under contaminated distribution
	6.7 Possible non-admissibility under finite-sample
	6.8 Newton-Raphson iterations of estimating equations
	6.9 Adaptive combination of estimation procedures
	6.10 Numerical illustration of LAD and LS regression
	6.11 Problems and complements
7. Robust and nonparametric procedures in measurement error models
	7.1 Introduction
	7.2 Types of measurement errors, misspecification and violation of assumptions
	7.3 Measurement errors in nonparametric testing
	7.4 Measurement errors in nonparametric estimation
	7.5 Problems and complements
Appendix A: Authors’ own procedures in R
Bibliography
Author index
Subject index




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی