دانلود کتاب Mathematical statistics

ترجمه فارسی توضیحات (ترجمه ماشینی)

آمار ریاضی

این کتاب درسی فارغ التحصیل موضوعاتی در تئوری آماری ضروری برای دانشجویان تحصیلات تکمیلی که برای کار در مقطع دکتری آماده می شوند را پوشش می دهد. مدرک آمار فصل اول یک نمای کلی سریع از مفاهیم و نتایج در نظریه احتمال-نظری اندازه گیری که در آمار مفید هستند ارائه می دهد. فصل دوم برخی از مفاهیم اساسی در تئوری تصمیم گیری و استنتاج آماری را معرفی می کند. فصل های 3-7 شامل مطالعات دقیق در مورد برخی موضوعات مهم است: تخمین بی طرفانه، تخمین پارامتری، تخمین ناپارامتریک، آزمون فرضیه ها و مجموعه های اطمینان. تعداد زیادی تمرین در هر فصل نه تنها مشکلات تمرینی را برای دانش آموزان فراهم می کند، بلکه نتایج اضافی بسیاری را نیز ارائه می دهد. علاوه بر نتایج کلاسیک که معمولاً در یک کتاب درسی با سطح مشابه پوشش داده می شود، این کتاب برخی از موضوعات در نظریه آماری مدرن را که در سال های اخیر توسعه یافته است، معرفی می کند، مانند زنجیره مارکوف مونت کارلو، شبه احتمالات، احتمالات تجربی، آماری. تابعی، معادلات برآورد تعمیم یافته، jackknife و bootstrap. علاوه بر بهبود ارائه، نسخه جدید فصل 1 را به یک فصل مستقل برای نظریه احتمالات با تاکید بر آمار تبدیل می کند. موضوعات اضافه شده شامل نابرابری های لحظه ای مفید، بحث های بیشتر در مورد توابع مولد گشتاور و مشخصه، استقلال شرطی، زنجیره های مارکوف، مارتینگل ها، بسط های اج ورث و کورنیش فیشر، و اثبات بسیاری از قضایای کلیدی مانند قضیه همگرایی غالب، قضیه همگرایی یکنواخت، قضیه منحصر به فرد بودن است. ، قضیه پیوستگی، قانون اعداد بزرگ و قضیه حد مرکزی. بخش جدیدی در فصل 5 مدل های نیمه پارامتریک را معرفی می کند و تعدادی تمرین جدید به هر فصل اضافه شده است. جون شائو، استاد آمار در دانشگاه ویسکانسین، مدیسون است. همچنین موجود است: Jun Shao and Dongsheng Tu, The Jackknife and Bootstrap, Springer-Verlag New York, Inc., 1995, Cloth, 536 pp., 0-387-94515-6.

Mathematical statistics

This graduate textbook covers topics in statistical theory essential for graduate students preparing for work on a Ph.D. degree in statistics. The first chapter provides a quick overview of concepts and results in measure-theoretic probability theory that are usefulin statistics. The second chapter introduces some fundamental concepts in statistical decision theory and inference. Chapters 3-7 contain detailed studies on some important topics: unbiased estimation, parametric estimation, nonparametric estimation, hypothesis testing, and confidence sets. A large number of exercises in each chapter provide not only practice problems for students, but also many additional results. In addition to the classical results that are typically covered in a textbook of a similar level, this book introduces some topics in modern statistical theory that have been developed in recent years, such as Markov chain Monte Carlo, quasi-likelihoods, empirical likelihoods, statistical functionals, generalized estimation equations, the jackknife, and the bootstrap. In addition to improving the presentation, the new edition makes Chapter 1 a self-contained chapter for probability theory with emphasis in statistics. Added topics include useful moment inequalities, more discussions of moment generating and characteristic functions, conditional independence, Markov chains, martingales, Edgeworth and Cornish-Fisher expansions, and proofs to many key theorems such as the dominated convergence theorem, monotone convergence theorem, uniqueness theorem, continuity theorem, law of large numbers, and central limit theorem. A new section in Chapter 5 introduces semiparametric models, and a number of new exercises were added to each chapter. Jun Shao is Professor of Statistics at the University of Wisconsin, Madison. Also available: Jun Shao and Dongsheng Tu, The Jackknife and Bootstrap, Springer-Verlag New York, Inc., 1995, Cloth, 536 pp., 0-387-94515-6.