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: D. L. McLeish, Christopher G. Small (auth.) سری: Lecture Notes in Statistics 44 ISBN (شابک) : 9780387967202, 9781461238720 ناشر: Springer-Verlag New York سال نشر: 1988 تعداد صفحات: 130 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب تئوری و کاربرد توابع استنباط آماری: آمار، عمومی
در صورت تبدیل فایل کتاب The Theory and Applications of Statistical Inference Functions 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 تئوری و کاربرد توابع استنباط آماری 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 تک نگاری ناشی از تمایل به توسعه رویکردی برای استنتاج آماری است که هم در برخورد با اصول آماری جامع باشد و هم به اندازه کافی قدرتمند باشد که برای انواع مسائل مهم عملی قابل استفاده باشد. در دسته اخیر، مشکلات استنتاج برای فرآیندهای تصادفی (که معمولاً در کاربردهای مهندسی و بیولوژیکی به وجود می آیند) به ذهن خطور می کند. به نظر می رسد طبقات توابع تخمینی از این نظر امیدوارکننده باشند. این مونوگراف برخی از پیامدهای بسط مفاهیم استاندارد جانبی، کفایت و کامل بودن را در این زمینه بررسی می کند. خواننده باید توجه داشته باشد که توسعه در استفاده از روشهای فضایی هیلبرت از نظر ریاضی \"بالغ\" است اما به اعتقاد ما از نظر ریاضی دشوار نیست. این با تمایل ما برای ساختن نظریهای است که غنی از ابزارهای آماری برای استنتاج بدون مشکلات موجود در پیشرفتهای مدرن، مانند تحلیل احتمال فرآیندهای تصادفی یا روشهای مرتبه بالاتر، به نام دو مورد است. مفاهیم اساسی متعامد و فرافکنی برای یک دانشجوی خوب در مقطع کارشناسی یا مقطع کارشناسی ارشد قابل دسترسی است. ما امیدواریم که این مونوگراف به منظور غنی سازی روش های موجود برای آماردانان با علایق مختلف باشد.
This monograph arose out of a desire to develop an approach to statistical infer ence that would be both comprehensive in its treatment of statistical principles and sufficiently powerful to be applicable to a variety of important practical problems. In the latter category, the problems of inference for stochastic processes (which arise com monly in engineering and biological applications) come to mind. Classes of estimating functions seem to be promising in this respect. The monograph examines some of the consequences of extending standard concepts of ancillarity, sufficiency and complete ness into this setting. The reader should note that the development is mathematically "mature" in its use of Hilbert space methods but not, we believe, mathematically difficult. This is in keeping with our desire to construct a theory that is rich in statistical tools for infer ence without the difficulties found in modern developments, such as likelihood analysis of stochastic processes or higher order methods, to name but two. The fundamental notions of orthogonality and projection are accessible to a good undergraduate or beginning graduate student. We hope that the monograph will serve the purpose of enriching the methods available to statisticians of various interests.
Front Matter....Pages i-vi
Introduction....Pages 1-12
The Space of Inference Functions: Ancillarity, Sufficiency and Projection....Pages 13-36
Selecting an Inference Function for 1-Parameter Models....Pages 37-56
Nuisance Parameters....Pages 57-73
Inference under Restrictions: Least Squares, Censoring and Errors in Variables Techniques....Pages 74-87
Inference for Stochastic Processes....Pages 88-112
Back Matter....Pages 113-128