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: Enno Mammen (auth.)
سری: Lecture Notes in Statistics 77
ISBN (شابک) : 9780387978673, 9781461229506
ناشر: Springer-Verlag New York
سال نشر: 1992
تعداد صفحات: 204
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 مگابایت
کلمات کلیدی مربوط به کتاب چه زمانی بوت استرپ کار می کند؟: نتایج مجانبی و شبیه سازی: ریاضیات عمومی
در صورت تبدیل فایل کتاب When Does Bootstrap Work?: Asymptotic Results and Simulations 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 چه زمانی بوت استرپ کار می کند؟: نتایج مجانبی و شبیه سازی 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.
در این یادداشت ها برخی از نتایج برای رفتار مجانبی روش راه انداز ارائه شده است. بوت استرپ روشی برای تخمین (تقریبی) توزیع یک آمار است. این بر اساس نمونه گیری مجدد و شبیه سازی است. در افرون (1979) معرفی شد و در دهه گذشته برای طیف گسترده ای از مسائل آماری مورد بحث قرار گرفته است. مقدمه مقالات Efron and Gong (1983) و Efron and Tibshirani (1986) و کتاب Helmers (1991b) است. بسیاری از کاربردهای بوت استرپ در افرون (1982) مورد بحث قرار گرفته است. مقالات نظرسنجی عبارتند از Beran (1984b)، Hinkley (1988) و Diciccio and Romano (1988a). برای بسیاری از مسائل تصمیم گیری کلاسیک (مسائل آزمایش و تخمین، پیش بینی، ساخت مناطق اطمینان) بوت استرپ با تقریب های کلاسیک مبتنی بر قضایای حد ریاضی و بسط (به عنوان مثال تقریب های عادی، بسط های تجربی Edgeworth) مقایسه شده است (برای مثال به Bretagnolle (1983) مراجعه کنید. و بران (1982، 1984a، 1987، 1988)، آبراموویچ و سینگ (1985)، و هال (1986a، 1988)). درمان مجانبی بوت استرپ در کتاب Beran and Ducharme (1991) آمده است. تجزیه و تحلیل دقیق بوت استرپ بر اساس بسط های مرتبه بالاتر Edgeworth در کتاب هال (1992) انجام شده است. انتشارات اخیر در مورد بوت استرپ همچنین در مجلدات کنفرانس LePage و Billard (1992) و Joeckel, Rothe, and Sendler (1992) یافت می شود. ما کاربرد بوت استرپ را در سه زمینه در نظر خواهیم گرفت: تخمین توابع صاف، تخمین منحنی ناپارامتری و مدل های خطی. ما در این زمینه ها توضیح کاملی از بوت استرپ انجام نمی دهیم.
In these notes some results are presented for the asymptotic behavior of the bootstrap procedure. Bootstrap is a procedure for estimating (approximating) the distribution of a statistic. It is based on resampling and simulations. It was been introduced in Efron (1979) and in the last decade it has been discussed for a wide variety of statistical problems. Introductory are the articles Efron and Gong (1983) and Efron and Tibshirani (1986) and the book Helmers (1991b). Many applications of bootstrap are discussed in Efron (1982). Survey articles are Beran (1984b), Hinkley (1988), and Diciccio and Romano (1988a). For many classical decision problems (testing and estimation problems, prediction, construction of confidence regions) bootstrap has been compared with classical approximations based on mathematical limit theorems and expansions (for instance normal approximations, empirical Edgeworth expansions) (see for instance Bretagnolle (1983) and Beran (1982, 1984a, 1987, 1988), Abramovitch and Singh (1985), and Hall (1986a, 1988) ). An asymptotic treatment of bootstrap is contained in the book Beran and Ducharme (1991). A detailed analysis of bootstrap based on higher order Edgeworth expansions has been carried out in the book Hall (1992). Recent publications on bootstrap can also be found in the conference volumes LePage and Billard (1992) and Joeckel, Rothe, and Sendler (1992). We will consider the application of bootstrap in three contexts : estimation of smooth functionals, nonparametric curve estimation, and linear models. We do not attempt a complete description of bootstrap in these areas.
Front Matter....Pages N2-vi
Introduction....Pages 1-7
Bootstrap and asymptotic normality....Pages 9-30
An example where bootstrap fails: Comparing nonparametric versus parametric regression fits....Pages 31-45
A bootstrap success story: Using nonparametric density estimates in k — sample problems....Pages 46-60
A bootstrap test on the number of modes of a density....Pages 61-85
Higher — order accuracy of bootstrap for smooth functionals....Pages 86-105
Bootstrapping linear models....Pages 106-117
Bootstrapping robust regression....Pages 118-136
Bootstrap and wild bootstrap for high — dimensional linear random design models....Pages 137-182
References....Pages 183-196
Back Matter....Pages 197-201