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: Victor H. de la Peña, Tze Leung Lai, Qi-Man Shao سری: ISBN (شابک) : 3540856358, 9783540856368 ناشر: Springer سال نشر: 2009 تعداد صفحات: 270 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب فرآیندهای خود بهنجار شده: نظریه حد و کاربردهای آماری (احتمال و کاربردهای آن): ریاضیات، نظریه احتمالات و آمار ریاضی، نظریه فرآیندهای تصادفی
در صورت تبدیل فایل کتاب Self-Normalized Processes: Limit Theory and Statistical Applications (Probability and its 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 فرآیندهای خود بهنجار شده: نظریه حد و کاربردهای آماری (احتمال و کاربردهای آن) 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.
فرآیندهای خود بهنجار شده در مطالعات احتمالی و آماری رایج هستند. یک نمونه اولیه، آماره t Student است که در سال 1908 توسط Gosset معرفی شد، که پرتره آن روی جلد جلویی است. به دلیل ماهیت بسیار غیرخطی این فرآیندها، این نظریه دوره طولانی توسعه آهسته ای را تجربه کرد. در سالهای اخیر، پیشرفتهای مهمی در تئوری و کاربردهای فرآیندهای خود بهنجار شده وجود داشته است. برخی از این پیشرفتها ارتباط نزدیکی با مطالعه قضایای حد مرکزی دارند، که دلالت بر این دارد که فرآیندهای خود بهنجار شده محورهای تقریبی برای استنتاج آماری هستند. جلد حاضر تحولات اخیر در این منطقه، از جمله انحرافات بزرگ و متوسط خود بهنجار شده، و قوانین لگاریتم های تکراری برای مارتینگل های خود-نرمال شده را پوشش می دهد. این اولین کتابی است که به طور سیستماتیک نظریه و کاربردهای خود هنجارسازی را بررسی می کند.
Self-normalized processes are of common occurrence in probabilistic and statistical studies. A prototypical example is Student's t-statistic introduced in 1908 by Gosset, whose portrait is on the front cover. Due to the highly non-linear nature of these processes, the theory experienced a long period of slow development. In recent years there have been a number of important advances in the theory and applications of self-normalized processes. Some of these developments are closely linked to the study of central limit theorems, which imply that self-normalized processes are approximate pivots for statistical inference. The present volume covers recent developments in the area, including self-normalized large and moderate deviations, and laws of the iterated logarithms for self-normalized martingales. This is the first book that systematically treats the theory and applications of self-normalization.