Книга "Теория предварительного тестирования и оценки типа Стейна с приложениями" представляет собой всестороннее изложение теории и методов оценки в различных стандартных моделях, используемых в прикладном статистическом анализе. Это fundamentальное введение в теорию оценивания для аспирантов, практиков и исследователей в области статистики, техники, общественных и медицинских наук. Изложение материала рассчитано как первый шаг к улучшению оценок перед применением полноценной байесовской методологии, а задачи в конце каждой главы расширяют область применения. Книга содержит четкое и подробное описание базовой терминологии, относящейся к различным темам, включая: простую линейную модель; дисперсионный анализ; модель параллелизма; множественную регрессию с детерминированными и стохастическими ограничениями; регрессию с автокоррелированными ошибками; гребневую регрессию; многомерные и дискретные модели данных; нормальную, ненормальную и непараметрическую теорию оценивания; методы Байеса и эмпирического Байеса; R-оценивание и U-статистики; оценивание доверительных множеств.
В книге "Theory of Preliminary test and Stein type Estimation and Applications" исследуется теория и методы оценивания в стандартных моделях, используемых в прикладной статистической теории. Это углубленное введение в теорию оценивания, направленное на студентов магистратуры, практиков и исследователей различных областей, включая статистику, инженерное дело, общественные науки и медицину.
Электронная Книга «Theory of Preliminary Test and Stein-Type Estimation with Applications» написана автором A. K. Md. Ehsanes Saleh в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9780471773740
Описание книги от A. K. Md. Ehsanes Saleh
Theory of Preliminary Test and Stein-Type Estimation with Applications provides a com-prehensive account of the theory and methods of estimation in a variety of standard models used in applied statistical inference. It is an in-depth introduction to the estimation theory for graduate students, practitioners, and researchers in various fields, such as statistics, engineering, social sciences, and medical sciences. Coverage of the material is designed as a first step in improving the estimates before applying full Bayesian methodology, while problems at the end of each chapter enlarge the scope of the applications. This book contains clear and detailed coverage of basic terminology related to various topics, including: * Simple linear model; ANOVA; parallelism model; multiple regression model with non-stochastic and stochastic constraints; regression with autocorrelated errors; ridge regression; and multivariate and discrete data models * Normal, non-normal, and nonparametric theory of estimation * Bayes and empirical Bayes methods * R-estimation and U-statistics * Confidence set estimation
