حراج!

Mathematical Foundations of Infinite-Dimensional Statistical Models (Cambridge Series in Statistical and Probabilistic Mathematics) 1st Editionby Evarist Giné, Richard Nickl

7,000تومان

قیمت از این مناسب تر سراغ دارید؟

File type: PDF

File size: 5MB

Author: by Evarist Giné, Richard Nickl

Pages: 720 pages

Publisher: Cambridge University Press; 1 edition (November 18, 2015)

Language: English

ISBN-10: 1107043166

ISBN-13: 978-1107043169

Product Dimensions: 7 x 1.8 x 10 inches

 

خواهشمندیم اگر از گلوبایت رضایت دارید به دوستان خود هم معرفی کنید 😊👇

توضیحات

Mathematical Foundations of Infinite-In nonparametric and high-dimensional statistical models, the classical Gauss-Fisher-Le Cam theory of the optimality of maximum likelihood estimators and Bayesian posterior inference does not apply, and new foundations and ideas have been developed in the past several decades. This book gives a coherent account of the statistical theory in infinite-dimensional parameter spaces. Mathematical Foundations of Infinite-The mathematical foundations include self-contained ‘mini-courses’ on the theory of Gaussian and empirical processes, on approximation and wavelet theory, and on the basic theory of function spaces. The theory of statistical inference in such models – hypothesis testing, estimation and confidence sets – is then presented within the minimax paradigm of decision theory. This includes the basic theory of convolution kernel and projection estimation, but also Bayesian nonparametrics and nonparametric maximum likelihood estimation. In a final chapter the theory of adaptive inference in nonparametric models is developed, including Lepski’s method, wavelet thresholding, and adaptive inference for self-similar functions.

Book Description

High-dimensional and nonparametric statistical models are ubiquitous in modern data science. This book develops a mathematically coherent and objective approach to statistical inference in such models, with a focus on function estimation problems arising from random samples (density estimation) or from Gaussian regression /signal in white noise problems.


در مدل های آماری غیر پارامتری و با ابعاد بزرگ، نظریه ی کلاسیک گاوس-فیشر-لوکام در مورد بهینه بودن برآوردگرهای حداکثر احتمال و استدلال مربوط به آن، اعمال نمی شود و ایده های جدیدی در چند دهه گذشته توسعه یافته است. این کتاب به یک نظریه منسجم در بین انواع نظریه آماری در فضاهای پارامترهای بی نهایت می پردازد.  تئوری استنتاج آماری در چنین مدل هایی نظیر فرضیه ها، برآوردها و مجموعه ها ارائه می شود. این تئوری شامل پایه هسته کانولوشن و برآورد پیش بینی، و برآورد حداکثر احتمال غیر پارامتری است. در فصل آخر، تئوری استنتاج تطبیقی ​​در مدل های غیر پارامتری، از جمله روش لپسکی، آستانه سازی و استنتاج تطبیقی ​​برای توابع مشابه خود، توسعه داده شده است.

کتاب را از گلوبایت کتاب دریافت نمایید.

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “Mathematical Foundations of Infinite-Dimensional Statistical Models (Cambridge Series in Statistical and Probabilistic Mathematics) 1st Editionby Evarist Giné, Richard Nickl”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *