Новое издание этого популярного текста о робастной статистике, основательно обновленное, чтобы включить новые и улучшенные методы и сосредоточиться на реализации методологии с использованием все более популярного открытого программного обеспечения R. Классическая статистика плохо справляется с выбросами, связанными с отклонениями от стандартных распределений. Робастные статистические методы принимают во внимание эти отклонения при оценке параметров параметрических моделей, тем самым повышая надежность построенных моделей и связанных с ними выводов. Это новое, второе издание "Робастной статистики: теории и методов (с R)" представляет широкий охват теории робастной статистики, интегрированный с вычислительными методами и приложениями. Обновленное, чтобы включить важные новые результаты исследований последнего десятилетия и сосредоточиться на использовании популярного программного пакета R, оно содержит подробное освещение ключевой методологии, включая регрессию, многомерный анализ и моделирование временных рядов. Книга иллюстрируется на протяжении всего текста рядом примеров и приложений, которые поддерживаются веб-сайтом с наборами данных и кодом R, позволяющим читателю воспроизвести примеры, приведенные в книге. В отличие от других книг на рынке, "Робастная статистика: теория и методы (с R)" предлагает наиболее полное, окончательное и актуальное рассмотрение предмета. Она содержит главы по оценке местоположения и масштаба; измерению робастности; линейной регрессии с фиксированными и случайными предикторами; многомерному анализу; обобщенным линейным моделям; временным рядам; численным алгоритмам и асимптотической теории М-оценок. Объясняет как использование, так и теоретическое обоснование робастных методов. Руководит читателями в выборе и использовании наиболее подходящих робастных методов для их проблем. Содержит вычислительные алгоритмы для основных методов. Результаты исследований в области робастной статистики за последнее десятилетие, включенные в это 2-е издание, включают: быструю детерминированную робастную регрессию, робастность конечной выборки, робастную регуляризированную регрессию, робастную оценку местоположения и разброса с отсутствующими данными, робастную оценку с независимыми выбросами в переменных и робастные смешанные линейные модели.
Робастная статистика направлена на стимулирование использования робастных методов как мощного инструмента для повышения надежности и точности статистического моделирования и анализа данных. Это идеальный ресурс для исследователей, практиков и аспирантов в области статистики, инженерии, информатики, естественных и общественных наук.
Электронная Книга «Robust Statistics. Theory and Methods (with R)» написана автором Ricardo Maronna A. в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119214670
Описание книги от Ricardo Maronna A.
A new edition of this popular text on robust statistics, thoroughly updated to include new and improved methods and focus on implementation of methodology using the increasingly popular open-source software R. Classical statistics fail to cope well with outliers associated with deviations from standard distributions. Robust statistical methods take into account these deviations when estimating the parameters of parametric models, thus increasing the reliability of fitted models and associated inference. This new, second edition of Robust Statistics: Theory and Methods (with R) presents a broad coverage of the theory of robust statistics that is integrated with computing methods and applications. Updated to include important new research results of the last decade and focus on the use of the popular software package R, it features in-depth coverage of the key methodology, including regression, multivariate analysis, and time series modeling. The book is illustrated throughout by a range of examples and applications that are supported by a companion website featuring data sets and R code that allow the reader to reproduce the examples given in the book. Unlike other books on the market, Robust Statistics: Theory and Methods (with R) offers the most comprehensive, definitive, and up-to-date treatment of the subject. It features chapters on estimating location and scale; measuring robustness; linear regression with fixed and with random predictors; multivariate analysis; generalized linear models; time series; numerical algorithms; and asymptotic theory of M-estimates. Explains both the use and theoretical justification of robust methods Guides readers in selecting and using the most appropriate robust methods for their problems Features computational algorithms for the core methods Robust statistics research results of the last decade included in this 2nd edition include: fast deterministic robust regression, finite-sample robustness, robust regularized regression, robust location and scatter estimation with missing data, robust estimation with independent outliers in variables, and robust mixed linear models. Robust Statistics aims to stimulate the use of robust methods as a powerful tool to increase the reliability and accuracy of statistical modelling and data analysis. It is an ideal resource for researchers, practitioners, and graduate students in statistics, engineering, computer science, and physical and social sciences.
