جلد سخت سیاه و سفید
Product details
- Publisher : Springer; 2nd ed. 2022 edition (April 5, 2022)
- Language : English
- Hardcover : 700 pages
- ISBN-10 : 3030916944
- ISBN-13 : 978-3030916947
کتاب Large Sample Techniques for Statistics (Springer Texts in Statistics)
This book offers a comprehensive guide to large sample techniques in statistics. With a focus on developing analytical skills and understanding motivation, Large Sample Techniques for Statistics begins with fundamental techniques, and connects theory and applications in engaging ways.
The first five chapters review some of the basic techniques, such as the fundamental epsilon-delta arguments, Taylor expansion, different types of convergence, and inequalities. The next five chapters discuss limit theorems in specific situations of observational data. Each of the first ten chapters contains at least one section of case study. The last six chapters are devoted to special areas of applications. This new edition introduces a final chapter dedicated to random matrix theory, as well as expanded treatment of inequalities and mixed effects models.
The book's case studies and applications-oriented chapters demonstrate how to use methods developed from large sample theory in real world situations. The book is supplemented by a large number of exercises, giving readers opportunity to practice what they have learned. Appendices provide context for matrix algebra and mathematical statistics. The Second Edition seeks to address new challenges in data science.
This text is intended for a wide audience, ranging from senior undergraduate students to researchers with doctorates. A first course in mathematical statistics and a course in calculus are prerequisites..
منابع کتاب کتاب Large Sample Techniques for Statistics (Springer Texts in Statistics)
این کتاب راهنمای جامعی برای تکنیک های نمونه بزرگ در آمار ارائه می دهد. با تمرکز بر توسعه مهارت‌های تحلیلی و درک انگیزه، تکنیک‌های نمونه بزرگ برای آمار با تکنیک‌های اساسی شروع می‌شود و نظریه و کاربردها را به روش‌های جذابی به هم متصل می‌کند.
پنج فصل اول برخی از تکنیک های اساسی، مانند استدلال های اپسیلون-دلتای بنیادی، بسط تیلور، انواع مختلف همگرایی، و نابرابری ها را بررسی می کند. پنج فصل بعدی قضایای حد را در موقعیت های خاص داده های مشاهده ای مورد بحث قرار می دهد. هر یک از ده فصل اول شامل حداقل یک بخش مطالعه موردی است. شش فصل آخر به حوزه های خاصی از کاربردها اختصاص یافته است. این نسخه جدید فصل پایانی را معرفی می‌کند که به نظریه ماتریس تصادفی و همچنین درمان گسترده نابرابری‌ها و مدل‌های اثرات مختلط اختصاص دارد.
مطالعات موردی کتاب و فصل‌های کاربردی‌محور نشان می‌دهد که چگونه از روش‌های توسعه‌یافته از نظریه نمونه بزرگ در موقعیت‌های دنیای واقعی استفاده کنیم. این کتاب با تعداد زیادی تمرین تکمیل شده است و به خوانندگان فرصت می دهد تا آنچه را که آموخته اند تمرین کنند. پیوست ها زمینه ای را برای جبر ماتریسی و آمار ریاضی فراهم می کنند. ویرایش دوم به دنبال پرداختن به چالش های جدید در علم داده است.
این متن برای طیف وسیعی از مخاطبان، از دانشجویان ارشد تا پژوهشگران دارای مدرک دکترا در نظر گرفته شده است. یک دوره اول در آمار ریاضی و یک دوره در حساب دیفرانسیل و انتگرال پیش نیاز است.
ارسال نظر درباره کتاب Large Sample Techniques for Statistics (Springer Texts in Statistics)