نام کتاب: Fundamental Statistical Inference A Computational Approach
نویسنده: Marc S. Paolella
ویرایش: ۱
سال انتشار: ۲۰۱۸
کد ISBN کتاب: ۹۷۸۱۱۱۹۴۱۷۸۶۶,
فرمت: PDF
تعداد صفحه: ۵۷۲
حجم کتاب: ۱۳ مگابایت
کیفیت کتاب: OCR
انتشارات: Wiley
Description About Book Fundamental Statistical Inference A Computational Approach From Amazon
A hands-on approach to statistical inference that addresses the latest developments in this ever-growing field
This clear and accessible book for beginning graduate students offers a practical and detailed approach to the field of statistical inference, providing complete derivations of results, discussions, and MATLAB programs for computation. It emphasizes details of the relevance of the material, intuition, and discussions with a view towards very modern statistical inference. In addition to classic subjects associated with mathematical statistics, topics include an intuitive presentation of the (single and double) bootstrap for confidence interval calculations, shrinkage estimation, tail (maximal moment) estimation, and a variety of methods of point estimation besides maximum likelihood, including use of characteristic functions, and indirect inference. Practical examples of all methods are given. Estimation issues associated with the discrete mixtures of normal distribution, and their solutions, are developed in detail. Much emphasis throughout is on non-Gaussian distributions, including details on working with the stable Paretian distribution and fast calculation of the noncentral Student’s t. An entire chapter is dedicated to optimization, including development of Hessian-based methods, as well as heuristic/genetic algorithms that do not require continuity, with MATLAB codes provided.
The book includes both theory and nontechnical discussions, along with a substantial reference to the literature, with an emphasis on alternative, more modern approaches. The recent literature on the misuse of hypothesis testing and p-values for model selection is discussed, and emphasis is given to alternative model selection methods, though hypothesis testing of distributional assumptions is covered in detail, notably for the normal distribution.
Presented in three parts—Essential Concepts in Statistics; Further Fundamental Concepts in Statistics; and Additional Topics—Fundamental Statistical Inference: A Computational Approach offers comprehensive chapters on: Introducing Point and Interval Estimation; Goodness of Fit and Hypothesis Testing; Likelihood; Numerical Optimization; Methods of Point Estimation; Q-Q Plots and Distribution Testing; Unbiased Point Estimation and Bias Reduction; Analytic Interval Estimation; Inference in a Heavy-Tailed Context; The Method of Indirect Inference; and, as an appendix, A Review of Fundamental Concepts in Probability Theory, the latter to keep the book self-contained, and giving material on some advanced subjects such as saddlepoint approximations, expected shortfall in finance, calculation with the stable Paretian distribution, and convergence theorems and proofs.
درباره کتاب Fundamental Statistical Inference A Computational Approach ترجمه شده از گوگل
روشی عملی برای استنباط آماری که آخرین تحولات در این زمینه رو به رشد را بیان می کند
این کتاب واضح و قابل دسترسی برای دانشجویان مقطع کارشناسی ارشد ، رویکردی کاربردی و دقیق در زمینه استنباط آماری ارائه می دهد که مشتق کاملی از نتایج ، بحث ها و برنامه های MATLAB را برای محاسبه ارائه می دهد. این مقاله بر جزئیات مرتبط بودن مطالب ، شهود و بحثها با نگاهی به استنباط آماری بسیار مدرن تأکید می کند. علاوه بر موضوعات کلاسیک مرتبط با آمار ریاضی ، مباحث شامل ارائه بصری بوت استرپ (یک و دو) برای محاسبات فاصله اطمینان ، برآورد جمع شدگی ، تخمین دم (حداکثر گشتاور) و انواع روشهای تخمین نقطه علاوه بر حداکثر احتمال از جمله استفاده از توابع مشخص و استنباط غیرمستقیم. مثالهای عملی از همه روشها آورده شده است. موضوعات تخمینی مرتبط با مخلوط های گسسته توزیع نرمال و محلول های آنها ، به تفصیل توسعه یافته اند. در کل تأکید زیادی بر توزیع های غیر گاوسی است ، از جمله جزئیات کار با توزیع پایدار پارتی و محاسبه سریع دانش آموزان غیر مرکز. یک فصل کامل به بهینه سازی اختصاص داده شده است ، از جمله توسعه روش های مبتنی بر هسیان ، و همچنین الگوریتم های ابتکاری / ژنتیکی که نیازی به استمرار ندارند ، با کدهای MATLAB ارائه شده است.
این کتاب شامل هر دو بحث تئوری و غیرتکنیکی ، همراه با اشاره قابل توجه به ادبیات ، با تأکید بر رویکردهای جایگزین و مدرن تر است. ادبیات اخیر در مورد سو mis استفاده از آزمون فرضیه و مقادیر p برای انتخاب مدل مورد بحث قرار گرفته است ، و تأکید بر روش های انتخاب مدل جایگزین داده شده است ، هرچند تست فرضیه فرضیات توزیعی به طور خاص ، به ویژه برای توزیع طبیعی پوشش داده شده است.
در سه بخش ارائه شده است – مفاهیم اساسی در آمار. مفاهیم بنیادی بیشتر در آمار ؛ و مباحث اضافی – استنباط آماری بنیادی: یک رویکرد محاسباتی فصل های جامعی را در مورد: معرفی برآورد نقطه ای و فاصله ای ارائه می دهد. خوب بودن آزمون تناسب و فرضیه ؛ احتمال بهینه سازی عددی ؛ روش های تخمین نقطه ؛ نمودارهای Q-Q و آزمایش توزیع ؛ تخمین بی طرفانه و کاهش تعصب ؛ برآورد فاصله تحلیلی ؛ استنباط در یک زمینه سنگین دنباله دار ؛ روش استنباط غیرمستقیم ؛ و ، به عنوان ضمیمه ، مروری بر مفاهیم اساسی در نظریه احتمالات ، مورد دوم برای حفظ خودمختاری کتاب ، و ارائه مطالب در مورد برخی موضوعات پیشرفته مانند تقریب های زین ، کمبود پیش بینی شده در امور مالی ، محاسبه با توزیع پایدار پارتی و قضیه ها و اثبات های همگرایی.
[box type=”info”]
جهت دسترسی به توضیحات این کتاب در Amazon اینجا کلیک کنید.
در صورت خراب بودن لینک کتاب، در قسمت نظرات همین مطلب گزارش دهید.
با خرید اشتراک، بدون محدودیت، کتاب دانلود کن!
