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: Jiming Jiang. Thuan Nguyen
سری:
ISBN (شابک) : 9789814596060
ناشر: World Scientific
سال نشر: 2016
تعداد صفحات: 235
زبان: english
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب The Fence Methods 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 روش های حصار 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 در مورد دستهای از استراتژیهای اخیراً توسعهیافته است که به عنوان روشهای حصار شناخته میشوند، که بهخوبی در مسائل انتخاب مدل غیر متعارف و پیچیده با ملاحظات عملی مناسب است. این ایده شامل روشی برای جداسازی زیرگروهی از آنچه به عنوان مدل های صحیح شناخته می شود، که مدل بهینه یکی از اعضای آن است، است. این کار با ساختن یک حصار آماری، یا مانع، برای حذف دقیق مدلهای نادرست انجام میشود. هنگامی که حصار ساخته شد، مدل بهینه از بین مدل های درون حصار بر اساس معیاری انتخاب می شود که می تواند انعطاف پذیر باشد. به طور خاص، معیار بهینه بودن می تواند در نظر گرفتن علاقه عملی را در بر گیرد، بنابراین انتخاب مدل را به یک عمل واقعی تبدیل می کند. علاوه بر این، این کتاب یک رویکرد مبتنی بر داده به نام حصار تطبیقی را معرفی میکند که میتواند در طیف وسیعی از مسائل مربوط به تعیین پارامترهای تنظیم یا ثابتها استفاده شود. حصار به جای تکیه بر نظریه مجانبی، بر عملکرد نمونه محدود و محاسبات تمرکز می کند. چنین ویژگی هایی به ویژه برای آمار در عصر جدید مناسب است.
This book is about a recently developed class of strategies, known as the fence methods, which fits particularly well in non-conventional and complex model selection problems with practical considerations. The idea involves a procedure to isolate a subgroup of what are known as correct models, of which the optimal model is a member. This is accomplished by constructing a statistical fence, or barrier, to carefully eliminate incorrect models. Once the fence is constructed, the optimal model is selected from amongst those within the fence according to a criterion which can be made flexible. In particular, the criterion of optimality can incorporate consideration of practical interest, thus making model selection a real life practice. Furthermore, this book introduces a data-driven approach, called adaptive fence, which can be used in a wide range of problems involving determination of tuning parameters, or constants. Instead of relying on asymptotic theory, the fence focuses on finite-sample performance, and computation. Such features are particularly suitable to statistics in the new era.