Cantitate/Preț
Produs
Total produse
Vezi coșul
Computational Statistics de James E. Gentle

Computational Statistics: Statistics and Computing

Autor James E. Gentle
en Limba Engleză Paperback – 3 mar 2012

În contextul cercetării moderne, unde inferența computațională a devenit un pilon la fel de important ca tehnicile asimptotice clasice, Computational Statistics se impune ca o resursă fundamentală pentru acreditările academice și profesionale în domeniu. Observăm că James E. Gentle reușește să sintetizeze într-un singur volum de peste 700 de pagini complexitatea metodelor care utilizează puterea modernă de calcul pentru a simula proprietăți distribuționale și statistici de test. Suntem de părere că rigoarea acestei ediții, publicată în seria Statistics and Computing de la Springer, oferă fundamentul necesar pentru orice parcurs de cercetare în statistica aplicată.

Structura lucrării este logică și progresivă: începe cu un capitol dens de preliminarii matematice, urmat de o secțiune dedicată calculului statistic și aritmeticii digitale. Ulterior, autorul explorează analiza numerică (optimizare, algebră liniară numerică și generarea numerelor aleatorii), culminând cu metodele propriu-zise de statistică computațională, precum Bootstrap, estimarea densității de probabilitate și învățarea statistică. Comparabil cu Elements of Statistical Computing de R. A. Thisted în rigurozitate, volumul de față este actualizat pentru a reflecta evoluția algoritmilor și a puterii de procesare contemporane, oferind o perspectivă mai integrată asupra descompunerii PDF.

Poziționăm această lucrare ca o continuare firească a operei autorului, fiind strâns legată de Matrix Algebra și Numerical Linear Algebra for Applications in Statistics. Dacă lucrările sale anterioare se concentrau pe instrumentele matematice specifice, Computational Statistics reprezintă aplicarea acestora în fluxul complet de analiză de date, de la modelare la inferență. Abordarea este precisă, tehnică și ancorată în necesitățile algoritmice ale unui cercetător care trebuie să înțeleagă nu doar cum să aplice o metodă, ci și limitările impuse de aritmetica computerelor.

Citește tot Restrânge

Din seria Statistics and Computing

  • 20% An Introduction to Statistics with Python
    Preț: 42839 lei
  • 18% Elements of Computational Statistics
    Preț: 92045 lei
  • XploRe: An Interactive Statistical Computing Environment
    Preț: 38893 lei
  • 15% Basic Elements of Computational Statistics
    Preț: 56899 lei
  • 18% Local Regression and Likelihood
    Preț: 96076 lei
  • 15% Numerical Analysis for Statisticians
    Preț: 69018 lei
  • 18% Applied Statistical Learning: With Case Studies in Stata
    Preț: 70966 lei
  • 15% Branch-and-Bound Applications in Combinatorial Data Analysis
    Preț: 66429 lei
  • 20% Numerical Bayesian Methods Applied to Signal Processing
    Preț: 122715 lei
  • 18% Modern Applied Statistics with S
    Preț: 106584 lei
  • 20% Graphics of Large Datasets: Visualizing a Million
    Preț: 45791 lei
  • 18% R for SAS and SPSS Users
    Preț: 109607 lei
  • 20% Random Number Generation and Monte Carlo Methods
    Preț: 56932 lei
  • 15% Linear Time Series with MATLAB and OCTAVE
    Preț: 62105 lei
  • 15% S Programming
    Preț: 66628 lei
  • 20% Visualization and Imputation of Missing Values: With Applications in R
    Preț: 102253 lei
  • 20% Evolutionary Statistical Procedures
    Preț: 61781 lei
  • Applied Time Series Analysis and Forecasting with Python
    Preț: 20306 lei
  • 18% Local Regression and Likelihood
    Preț: 95765 lei
  • Introductory Statistics with R
    Preț: 44612 lei
  • Computer Intensive Methods in Statistics
    Preț: 37010 lei
  • Numerical Linear Algebra for Applications in Statistics
    Preț: 37587 lei
  • SAS for Data Analysis: Intermediate Statistical Methods
    Preț: 48428 lei
  • Applied Quantitative Finance
    Preț: 47384 lei
  • 20% Software for Data Analysis
    Preț: 113893 lei
  • 18% The Grammar of Graphics
    Preț: 98026 lei
  • 18% R for Stata Users
    Preț: 149579 lei
  • 20% Mixed-Effects Models in S and S-PLUS
    Preț: 140346 lei
  • 20% A First Course in Statistical Learning
    Preț: 58686 lei
  • 20% Fundamentals of Supervised Machine Learning
    Preț: 78046 lei
  • Variowin: Software for Spatial Data Analysis in 2D
    Preț: 36288 lei
  • 15% S Programming
    Preț: 67509 lei
  • 15% Automatic Nonuniform Random Variate Generation
    Preț: 62121 lei
  • Visualizing Time: Designing Graphical Representations for Statistical Data
    Preț: 37356 lei
  • 24% The R Software
    Preț: 106818 lei

Preț: 58799 lei

Preț vechi: 69175 lei
-15%

Puncte Express: 882

Carte tipărită la comandă

Livrare economică 15-29 iunie

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9781461429296
ISBN-10: 1461429293
Pagini: 752
Ilustrații: XXII, 728 p.
Dimensiuni: 155 x 235 x 41 mm
Greutate: 1.12 kg
Ediția:2009
Editura: Springer
Colecția Statistics and Computing
Seria Statistics and Computing

Locul publicării:New York, NY, United States

Public țintă

Research

De ce să citești această carte

Recomandăm această carte cercetătorilor și studenților la nivel masteral sau doctoral care doresc să stăpânească metodele intensiv-computaționale. Cititorul câștigă o înțelegere profundă a algoritmilor din spatele metodelor Monte Carlo și Bootstrap, trecând dincolo de simpla utilizare a software-ului. Este un instrument esențial pentru cei care dezvoltă noi metode statistice sau care au nevoie de o bază solidă în analiza numerică aplicată în știința datelor.

Despre autor

James E. Gentle este o figură proeminentă în domeniul statisticii computaționale, cunoscut pentru capacitatea sa de a explica intersecția complexă dintre matematică, informatică și analiză de date. Cu o carieră dedicată dezvoltării algoritmilor statistici, Gentle a publicat lucrări de referință precum Handbook of Computational Statistics și Matrix Algebra, volume utilizate la nivel global în programele de cercetare. Expertiza sa se reflectă în modul în care abordează erorile de rotunjire și eficiența algoritmilor, elemente critice în implementarea corectă a modelelor statistice pe sistemele digitale moderne.

Cuprins

Preliminaries.- Mathematical and Statistical Preliminaries.- Statistical Computing.- Computer Storage and Arithmetic.- Algorithms and Programming.- Approximation of Functions and Numerical Quadrature.- Numerical Linear Algebra.- Solution of Nonlinear Equations and Optimization.- Generation of Random Numbers.- Methods of Computational Statistics.- Graphical Methods in Computational Statistics.- Tools for Identification of Structure in Data.- Estimation of Functions.- Monte Carlo Methods for Statistical Inference.- Data Randomization, Partitioning, and Augmentation.- Bootstrap Methods.- Exploring Data Density and Relationships.- Estimation of Probability Density Functions Using Parametric Models.- Nonparametric Estimation of Probability Density Functions.- Statistical Learning and Data Mining.- Statistical Models of Dependencies.

Recenzii

From the reviews:
“This is a book that covers many of the computational issues that statisticians will encounter as part of their research and applied work. … The writing in the book is quite clear and the author has done a good job providing the essence of each topic. … Overall, I think this is an excellent book. … This book will give a graduate student a good overview of the field. There are exercises provided for each chapter together with some solutions.” (Michael J. Evans, Mathematical Reviews, Issue 2011 b)
“This book is a superior treatment of the important subject of statistical computing. I strongly recommend this book to anyone who analyzes data using either a commercial statistical software package or statistical computer programs written by the user or someone else. Thus this book is important not only for data oriented statisticians but for econometricians, psychometricians, political methodologists and biometricians as well. … All terms in this work including computing terms are clearly defined.” (Melvin Hinich, Technometrics, Vol. 53 (1), February, 2011)
“I greatly appreciated the author’s command of both numerical and statistical computing … . The book also contains many exercises that substantiate the concepts, with solutions and hints in the appendix, an extensive bibliography, and a link to further literature and notes. The target readership includes undergraduates, postgraduates in statistics and allied fields such as computer science and mathematics, scientific research workers, and practitioners of statistics and numerical techniques. … I strongly recommend it for all scientific libraries.” (Soubhik Chakraborty, ACM Computing Reviews, October, 2010)
“This book has a very large scope in that … it covers the dual fields of computational statistics and of statistical computing. … must-read for all students and researchers engaging into any kind of serious statisticalprogramming. … is well-written, in a lively and personal style. … a reference book that should appear in the shortlist of any computational statistics/statistical computing graduate course as well as on the shelves of any researchers supporting his or her statistical practice with a significant dose of computing backup.”­­­ (Christian P. Robert, Statistical and Computation, Vol. 21, 2011)

Textul de pe ultima copertă

Computational inference has taken its place alongside asymptotic inference and exact techniques in the standard collection of statistical methods. Computational inference is based on an approach to statistical methods that uses modern computational power to simulate distributional properties of estimators and test statistics. This book describes computationally-intensive statistical methods in a unified presentation, emphasizing techniques, such as the PDF decomposition, that arise in a wide range of methods.
The book assumes an intermediate background in mathematics, computing, and applied and theoretical statistics. The first part of the book, consisting of a single long chapter, reviews this background material while introducing computationally-intensive exploratory data analysis and computational inference.
The six chapters in the second part of the book are on statistical computing. This part describes arithmetic in digital computers and how the nature of digital computations affects algorithms used in statistical methods. Building on the first chapters on numerical computations and algorithm design, the following chapters cover the main areas of statistical numerical analysis, that is, approximation of functions, numerical quadrature, numerical linear algebra, solution of nonlinear equations, optimization, and random number generation.
The third and fourth parts of the book cover methods of computational statistics, including Monte Carlo methods, randomization and cross validation, the bootstrap, probability density estimation, and statistical learning.
The book includes a large number of exercises with some solutions provided in an appendix.
James E. Gentle is University Professor of Computational Statistics at George Mason University. He is a Fellow of the American Statistical Association (ASA) and of the American Association for the Advancement of Science. He has held several national offices in the ASA and has served as associate editor of journals of the ASA as well as for other journals in statistics and computing. He is author of Random Number Generation and Monte Carlo Methods and Matrix Algebra.

Caracteristici

Provides a comprehensive coverage of modern computationally-intensive statistical methods Covers the topics in numerical analysis necessary for accurate and efficient implementation of the methods of computational statistics Emphasizes the unity of the methods of computational inference