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: 1
نویسندگان: Jun Shao. Dongsheng Tu (auth.)
سری: Springer Series in Statistics
ISBN (شابک) : 9781461269038, 9781461207955
ناشر: Springer-Verlag New York
سال نشر: 1995
تعداد صفحات: 532
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 11 مگابایت
کلمات کلیدی مربوط به کتاب Jackknife و Bootstrap: آمار، عمومی
در صورت تبدیل فایل کتاب The Jackknife and Bootstrap 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 Jackknife و Bootstrap 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.
jackknife و bootstrap محبوبترین روشهای نمونهگیری مجدد دادهها هستند که در تحلیلهای آماری استفاده میشوند. روشهای نمونهگیری مجدد جایگزین مشتقات نظری مورد نیاز در به کارگیری روشهای سنتی (مانند جایگزینی و خطیسازی) در تحلیلهای آماری با نمونهگیری مجدد مکرر دادههای اصلی و استنتاج از نمونههای مجدد میشوند. به دلیل در دسترس بودن محاسبات ارزان و سریع، این روشهای کامپیوتری فشرده در سالهای اخیر به سرعت مورد استفاده قرار گرفتهاند و بهویژه توسط آماردانان کاربردی مورد استقبال قرار گرفتهاند. اهداف اصلی این کتاب عبارتند از (1) ارائه مقدمه ای سیستماتیک برای تئوری jackknife، bootstrap و دیگر روش های نمونه برداری مجدد که در بیست سال گذشته توسعه یافته اند. (2) برای ارائه راهنمایی برای آماردانان کاربردی: پزشکان اغلب از روشهای نمونهگیری مجدد در موقعیتهایی استفاده میکنند (یا سوءاستفاده میکنند) در شرایطی که هیچ تأیید نظری انجام نشده است. و (3) برای تحریک استفاده از jackknife و bootstrap و توسعه بیشتر روشهای نمونهگیری مجدد. ویژگیهای نظری روشهای jackknife و bootstrap در این کتاب در چارچوب مجانبی بررسی شده است. قضایا با مثال هایی نشان داده می شوند. خواص نمونه محدود jackknife و bootstrap بیشتر با مثالها و/یا مطالعات شبیهسازی تجربی بررسی میشوند. علاوه بر تئوری روشهای jackknife و bootstrap در مشکلات با دادههای مستقل و توزیع شده یکسان (Li.d.)، ما سعی میکنیم تا آنجا که میتوانیم، کاربردهای jackknife و bootstrap را در غیر لی پیچیدهای پوشش دهیم. .d. مشکلات داده.
The jackknife and bootstrap are the most popular data-resampling meth ods used in statistical analysis. The resampling methods replace theoreti cal derivations required in applying traditional methods (such as substitu tion and linearization) in statistical analysis by repeatedly resampling the original data and making inferences from the resamples. Because of the availability of inexpensive and fast computing, these computer-intensive methods have caught on very rapidly in recent years and are particularly appreciated by applied statisticians. The primary aims of this book are (1) to provide a systematic introduction to the theory of the jackknife, the bootstrap, and other resampling methods developed in the last twenty years; (2) to provide a guide for applied statisticians: practitioners often use (or misuse) the resampling methods in situations where no theoretical confirmation has been made; and (3) to stimulate the use of the jackknife and bootstrap and further devel opments of the resampling methods. The theoretical properties of the jackknife and bootstrap methods are studied in this book in an asymptotic framework. Theorems are illustrated by examples. Finite sample properties of the jackknife and bootstrap are mostly investigated by examples and/or empirical simulation studies. In addition to the theory for the jackknife and bootstrap methods in problems with independent and identically distributed (Li.d.) data, we try to cover, as much as we can, the applications of the jackknife and bootstrap in various complicated non-Li.d. data problems.
Front Matter....Pages i-xvii
Introduction....Pages 1-22
Theory for the Jackknife....Pages 23-70
Theory for the Bootstrap....Pages 71-128
Bootstrap Confidence Sets and Hypothesis Tests....Pages 129-189
Computational Methods....Pages 190-231
Applications to Sample Surveys....Pages 232-282
Applications to Linear Models....Pages 283-330
Applications to Nonlinear, Nonparametric, and Multivariate Models....Pages 331-385
Applications to Time Series and Other Dependent Data....Pages 386-415
Bayesian Bootstrap and Random Weighting....Pages 416-446
Back Matter....Pages 447-517