ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب U-Statistics : Theory and Practice

دانلود کتاب U-Statistics: تئوری و عمل

U-Statistics : Theory and Practice

مشخصات کتاب

U-Statistics : Theory and Practice

ویرایش:  
نویسندگان:   
سری: Statistics textbooks and monographs 
ISBN (شابک) : 9780203734520, 1351405845 
ناشر: Routledge 
سال نشر: 2019 
تعداد صفحات: 321 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 10 مگابایت 

قیمت کتاب (تومان) : 50,000



کلمات کلیدی مربوط به کتاب U-Statistics: تئوری و عمل: آمار ریاضی.,Statistiek.,مرجع -- عمومی.



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 5


در صورت تبدیل فایل کتاب U-Statistics : Theory and Practice 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 U-Statistics: تئوری و عمل 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.


توضیحاتی در مورد کتاب U-Statistics: تئوری و عمل

در سال 1946 پل هالموس برآوردگرهای بی‌طرفانه حداقل واریانس را مورد مطالعه قرار داد و بذری را کاشت که موضوع مقاله حاضر از آن منشأ گرفت. نویسنده متعهد شده است که بررسی وضعیت فعلی نظریه تکامل یافته آمار U را به کارشناسان و دانشجویان پیشرفته ارائه دهد، از جمله کاربردهایی برای نشان دادن دامنه و دامنه روش های آمار U. این کتاب با بیش از 200 مرجع پایان فصل ، یک افزونه ارزشمند به کتابخانه های آماردانان کاربردی و نظری و ریاضیدانان است. ='showMoreLessControlElement showMoreLessInline'> ادامه مطلب...
چکیده: در سال 1946 پل هالموس برآوردگرهای بی طرف حداقل واریانس را مورد مطالعه قرار داد و بذری را کاشت که از آن آزمودنی استفاده کرد. موضوع تک نگاری حاضر به وجود آمد. نویسنده متعهد شده است که بررسی وضعیت فعلی نظریه تکامل یافته آمار U را به کارشناسان و دانشجویان پیشرفته ارائه دهد، از جمله کاربردهایی برای نشان دادن دامنه و دامنه روش های آمار U. این کتاب که با بیش از 200 مرجع پایان فصل کامل شده است، یک افزونه ارزشمند به کتابخانه های آماردانان کاربردی و نظری و ریاضیدانان است.


توضیحاتی درمورد کتاب به خارجی

In 1946 Paul Halmos studied unbiased estimators of minimum variance, and planted the seed from which the subject matter of the present monograph sprang. The author has undertaken to provide experts and advanced students with a review of the present status of the evolved theory of U-statistics, including applications to indicate the range and scope of U-statistic methods. Complete with over 200 end-of-chapter references, this is an invaluable addition to the libraries of applied and theoretical statisticians and mathematicians.  Read more...
Abstract: In 1946 Paul Halmos studied unbiased estimators of minimum variance, and planted the seed from which the subject matter of the present monograph sprang. The author has undertaken to provide experts and advanced students with a review of the present status of the evolved theory of U-statistics, including applications to indicate the range and scope of U-statistic methods. Complete with over 200 end-of-chapter references, this is an invaluable addition to the libraries of applied and theoretical statisticians and mathematicians



فهرست مطالب

Content: Cover
Half Title
Title Page
Copyright Page
Contents
Preface
Chapter 1. Basics
1.1 Origins
1.2 U-statistics
1.3 The variance of a U-statistic
1.4 The covariance of two U-statistics
1.5 Higher moments of U-statistics
1.6 The H -decomposition
1.7 A geometric perspective on the H -decomposition
1.8 Bibliographic details
Chapter 2. Variations
2.1 Introduction
2.2 Generalised U-statistics
2.3 Dropping the identically distributed assumption
2.4 U-statistics based on stationary random sequences
2.4.1 M-dependent stationary sequences
2.4.2 Weakly dependent stationary sequences 2.5 U-statistics based on sampling from finite populations2.6 Weighted U-statistics
2.7 Generalised L-statistics
2.8 Bibliographic details
Chapter 3. Asymptotics
3.1 Introduction
3.2 Convergence in distribution of U -statistics
3.2.1 Asymptotic normality
3.2.2 First order degeneracy
3.2.3 The general case
3.2.4 Poisson convergence
3.3 Rates of convergence in the U -statistic central limit theorem
3.3.1 Introduction
3.3.2 The Berry-Esseen Theorem for U-statistics
3.3.3 Asymptotic expansions
3.4 The strong law of large numbers for U -statistics,
3.4.1 Martingales 3.4.2 U-statistics as martingales and the SLLN3.5 The law of the iterated logarithm for U -statistics
3.6 Invariance principles
3.7 Asymptotics for U -statistic variations
3.7.1 Asymptotics for generalised U-statistics
3.7.2 The independent, non-identically distributed case
3.7.3 Asymptotics for U -statistics based on stationary sequences
3.7.4 Asymptotics for U -statistics based on finite population sampling
3.7.5 Asymptotics for weights and generalised L-statistics
3.7.6 Random U -statistics
3.8 Kernels with estimated parameters
3.9 Bibliographic details Chapter 4. Related statistics4.1 Introduction
4.1.1 Symmetric statistics: basics
4.1.2 Asymptotic behaviour of symmetric statistics
4.2 V-statistics
4.3 Incomplete U-statistics
4.3.1 Basics
4.3.2 Minimum variance designs
4.3.3 Asymptotics for random subset selection
4.3.4 Asymptotics for balanced designs
4.4 Bibliographic details
Chapter 5. Estimating standard errors
5.1 Standard errors via the jackknife
5.1.1 The jackknife estimate of variance
5.1.2 Jackknifing functions of U-statistics
5.1.3 Extension to functions of several U-statistics
5.1.3 Additional results 5.2 Bootstrapping U-statistics5.3 Variance estimation for incomplete U-statistics
5.3.1 The balanced case,
5.3.2 Incomplete U-statistics based on random choice
5.4 Bibliographic details
Chapter 6. Applications
6.1 Introduction
6.2 Applications to the estimation of statistical parameters
6.2.1 Circular and spherical correlation
6.2.2 Testing for symmetry
6.2.3 Testing for normality
6.2.4 A test for independence
6.2.5 Applications to the several-sample problem
6.2.6 A test for ""New better than used
6.3 Applications of Poisson convergence
6.3.1 Comparing correlations




نظرات کاربران