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: 1st ed. نویسندگان: Dominique Fourdrinier, William E. Strawderman, Martin T. Wells سری: Springer Series in Statistics ISBN (شابک) : 9783030021849, 9783030021856 ناشر: Springer International Publishing سال نشر: 2018 تعداد صفحات: 339 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 برآورد انقباض: آمار، نظریه و روش های آماری، احتمال بیزی
در صورت تبدیل فایل کتاب Shrinkage Estimation 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 برآورد انقباض 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.
این کتاب چارچوبی منسجم برای درک تخمین انقباض در آمار ارائه می
دهد. این اصطلاح به اصلاح یک تخمینگر کلاسیک با نزدیکتر کردن
آن به هدفی اشاره دارد که میتواند پیشینی شناخته شود یا
از یک مدل ناشی شود. هدف ساخت برآوردگرهایی با ویژگی های آماری
بهبود یافته است. این کتاب در درجه اول بر برآورد نقطه و تلفات
بردار میانگین توزیعهای نرمال و کروی متقارن چند متغیره تمرکز
دارد. فصل 1 اصطلاحات نظری آماری و تصمیم گیری و نتایجی را که
در سراسر کتاب مورد استفاده قرار خواهد گرفت، مرور می کند. فصل
2 به تخمین بردار میانگین یک توزیع نرمال چند متغیره تحت تلفات
درجه دوم از دیدگاه مکرر می پردازد. در فصل 3 نویسندگان یک
دیدگاه بیزی از تخمین انقباض در شرایط عادی دارند. فصل 4 کلاس
های کلی توزیع های متقارن کروی و بیضی را معرفی می کند. تخمین
نقطه و ضرر برای این طبقات گسترده در فصل های بعدی مورد مطالعه
قرار می گیرد. به طور خاص، فصل 5 بسیاری از نتایج از فصل های 2
و 3 را به توزیع های متقارن کروی و بیضوی گسترش می دهد. فصل 6
مدل خطی کلی را با توزیع خطاهای متقارن کروی در صورت وجود بردار
باقیمانده در نظر می گیرد. فصل 7 سپس مسئله تخمین بردار مکانی
را که محدود به قرار گرفتن در یک مجموعه محدب است، در نظر
میگیرد. بخش عمده ای از فصل به یکی از دو نوع مجموعه محدودیت
ها، توپ ها و مخروط های چند وجهی اختصاص دارد. در فصل 8
نویسندگان بر تخمین زیان و گزارش های شواهد وابسته به داده
تمرکز می کنند. ضمیمه ها تعدادی از موضوعات فنی از جمله توابع
ضعیف متفاوت را پوشش می دهند. نمونه هایی که هویت استاین برقرار
نیست؛ لم استاین و قضیه استوکس برای مرزهای صاف؛ توابع
هارمونیک، سوپر هارمونیک و ساب هارمونیک؛ و توابع بسل را اصلاح
کرد.
This book provides a coherent framework for understanding
shrinkage estimation in statistics. The term refers to
modifying a classical estimator by moving it closer to a
target which could be known a priori or arise from a
model. The goal is to construct estimators with improved
statistical properties. The book focuses primarily on point
and loss estimation of the mean vector of multivariate normal
and spherically symmetric distributions. Chapter 1 reviews
the statistical and decision theoretic terminology and
results that will be used throughout the book. Chapter 2 is
concerned with estimating the mean vector of a multivariate
normal distribution under quadratic loss from a frequentist
perspective. In Chapter 3 the authors take a Bayesian view of
shrinkage estimation in the normal setting. Chapter 4
introduces the general classes of spherically and
elliptically symmetric distributions. Point and loss
estimation for these broad classes are studied in subsequent
chapters. In particular, Chapter 5 extends many of the
results from Chapters 2 and 3 to spherically and elliptically
symmetric distributions. Chapter 6 considers the general
linear model with spherically symmetric error distributions
when a residual vector is available. Chapter 7 then considers
the problem of estimating a location vector which is
constrained to lie in a convex set. Much of the chapter is
devoted to one of two types of constraint sets, balls and
polyhedral cones. In Chapter 8 the authors focus on loss
estimation and data-dependent evidence reports. Appendices
cover a number of technical topics including weakly
differentiable functions; examples where Stein’s identity
doesn’t hold; Stein’s lemma and Stokes’ theorem for smooth
boundaries; harmonic, superharmonic and subharmonic
functions; and modified Bessel functions.
Front Matter ....Pages i-xiii
Decision Theory Preliminaries (Dominique Fourdrinier, William E. Strawderman, Martin T. Wells)....Pages 1-28
Estimation of a Normal Mean Vector I (Dominique Fourdrinier, William E. Strawderman, Martin T. Wells)....Pages 29-61
Estimation of a Normal Mean Vector II (Dominique Fourdrinier, William E. Strawderman, Martin T. Wells)....Pages 63-126
Spherically Symmetric Distributions (Dominique Fourdrinier, William E. Strawderman, Martin T. Wells)....Pages 127-150
Estimation of a Mean Vector for Spherically Symmetric Distributions I: Known Scale (Dominique Fourdrinier, William E. Strawderman, Martin T. Wells)....Pages 151-177
Estimation of a Mean Vector for Spherically Symmetric Distributions II: With a Residual (Dominique Fourdrinier, William E. Strawderman, Martin T. Wells)....Pages 179-213
Restricted Parameter Spaces (Dominique Fourdrinier, William E. Strawderman, Martin T. Wells)....Pages 215-235
Loss and Confidence Level Estimation (Dominique Fourdrinier, William E. Strawderman, Martin T. Wells)....Pages 237-276
Back Matter ....Pages 277-333