دانلود کتاب Theory of Statistical Inference – نظریه استنتاج آماری

توضیحات

Theory of Statistical Inference is designed as a reference on statistical inference for researchers and students at the graduate or advanced undergraduate level. It presents a unified treatment of the foundational ideas of modern statistical inference, and would be suitable for a core course in a graduate program in statistics or biostatistics. The emphasis is on the application of mathematical theory to the problem of inference, leading to an optimization theory allowing the choice of those statistical methods yielding the most efficient use of data. The book shows how a small number of key concepts, such as sufficiency, invariance, stochastic ordering, decision theory and vector space algebra play a recurring and unifying role.

The volume can be divided into four sections. Part I provides a review of the required distribution theory. Part II introduces the problem of statistical inference. This includes the definitions of the exponential family, invariant and Bayesian models. Basic concepts of estimation, confidence intervals and hypothesis testing are introduced here. Part III constitutes the core of the volume, presenting a formal theory of statistical inference. Beginning with decision theory, this section then covers uniformly minimum variance unbiased (UMVU) estimation, minimum risk equivariant (MRE) estimation and the Neyman-Pearson test. Finally, Part IV introduces large sample theory. This section begins with stochastic limit theorems, the -method, the Bahadur representation theorem for sample quantiles, large sample U-estimation, the Cramr-Rao lower bound and asymptotic efficiency. A separate chapter is then devoted to estimating equation methods. The volume ends with a detailed development of large sample hypothesis testing, based on the likelihood ratio test (LRT), Rao score test and the Wald test.

Features

This volume includes treatment of linear and nonlinear regression models, ANOVA models, generalized linear models (GLM) and generalized estimating equations (GEE).

An introduction to decision theory (including risk, admissibility, classification, Bayes and minimax decision rules) is presented. The importance of this sometimes overlooked topic to statistical methodology is emphasized.

The volume emphasizes throughout the important role that can be played by group theory and invariance in statistical inference.

Nonparametric (rank-based) methods are derived by the same principles used for parametric models and are therefore presented as solutions to well-defined mathematical problems, rather than as robust heuristic alternatives to parametric methods.

Each chapter ends with a set of theoretical and applied exercises integrated with the main text. Problems involving R programming are included.

Appendices summarize the necessary background in analysis, matrix algebra and group theory.

————————————————————–

ترجمه ماشینی :

نظریه استنباط آماری به عنوان مرجع استنباط آماری برای محققان و دانشجویان در مقطع کارشناسی ارشد یا پیشرفته طراحی شده است. این یک درمان یکپارچه از ایده های بنیادی استنتاج آماری مدرن ارائه می دهد و برای یک دوره اصلی در یک برنامه تحصیلات تکمیلی در آمار یا آمار زیستی مناسب است. تاکید بر کاربرد نظریه ریاضی برای مسئله استنتاج است که منجر به یک نظریه بهینه‌سازی می‌شود که امکان انتخاب روش‌های آماری را فراهم می‌کند که کارآمدترین استفاده از داده‌ها را به همراه دارد. این کتاب نشان می‌دهد که چگونه تعداد کمی از مفاهیم کلیدی، مانند کفایت، تغییر ناپذیری، ترتیب تصادفی، نظریه تصمیم‌گیری و جبر فضای برداری نقش تکرارشونده و متحد کننده دارند. حجم را می‌توان به چهار بخش تقسیم کرد. بخش اول مروری بر نظریه توزیع مورد نیاز ارائه می دهد. بخش دوم مسئله استنتاج آماری را معرفی می کند. این شامل تعاریف خانواده نمایی، مدل های ثابت و بیزی می شود. مفاهیم اساسی تخمین، فواصل اطمینان و آزمون فرضیه در اینجا معرفی می شوند. بخش سوم هسته این جلد را تشکیل می دهد و یک نظریه رسمی از استنتاج آماری را ارائه می دهد. با شروع تئوری تصمیم، این بخش سپس به طور یکنواخت حداقل واریانس بدون تعصب (UMVU)، تخمین حداقل معادل ریسک (MRE) و آزمون نیمن-پیرسون را پوشش می‌دهد. در نهایت، بخش چهارم نظریه نمونه بزرگ را معرفی می کند. این بخش با قضایای حد تصادفی، روش -، قضیه نمایش بهادر برای چندک‌های نمونه، تخمین U نمونه بزرگ، کران پایین کرامر-رائو و کارایی مجانبی آغاز می‌شود. سپس یک فصل جداگانه به تخمین روش های معادله اختصاص داده شده است. این جلد با توسعه دقیق آزمایش فرضیه نمونه بزرگ، بر اساس آزمون نسبت احتمال (LRT)، آزمون نمره رائو و آزمون والد به پایان می رسد. درمان مدل‌های رگرسیون خطی و غیرخطی، مدل‌های ANOVA، مدل‌های خطی تعمیم‌یافته (GLM) و معادلات برآورد تعمیم‌یافته (GEE). مقدمه‌ای بر تئوری تصمیم‌گیری (شامل ریسک، پذیرش، طبقه‌بندی، بیز و قوانین تصمیم حداقلی) ارائه شده است. . اهمیت این موضوع که گاهی نادیده گرفته می شود برای روش شناسی آماری مورد تاکید قرار می گیرد. حجم بر نقش مهمی که می تواند توسط نظریه گروه و عدم تغییر در استنتاج آماری ایفا شود، تاکید می کند. با همان اصولی که برای مدل‌های پارامتری استفاده می‌شود و بنابراین به‌عنوان راه‌حلی برای مسائل ریاضی کاملاً تعریف‌شده ارائه می‌شوند، نه به‌عنوان جایگزین‌های اکتشافی قوی برای روش‌های پارامتری. متن مشکلات مربوط به برنامه نویسی R گنجانده شده است. ضمیمه ها پیشینه لازم در تجزیه و تحلیل، جبر ماتریس و نظریه گروه را خلاصه می کنند.

tag : دانلود کتاب نظریه استنتاج آماری , Download نظریه استنتاج آماری , دانلود نظریه استنتاج آماری , Download Theory of Statistical Inference Book , نظریه استنتاج آماری دانلود , buy نظریه استنتاج آماری , خرید کتاب نظریه استنتاج آماری , دانلود کتاب Theory of Statistical Inference , کتاب Theory of Statistical Inference , دانلود Theory of Statistical Inference , خرید Theory of Statistical Inference , خرید کتاب Theory of Statistical Inference ,