Statistical Modeling and Computation de Dirk P. Kroese

Statistical Modeling and Computation

Autor Dirk P. Kroese, Joshua C. C. Chan

en Limba Engleză Paperback – 23 aug 2016

Complementar volumului Probability and Statistical Inference de Miltiadis C. Mavrakakis, care se concentrează pe tranziția de la principii de bază la modele avansate, Statistical Modeling and Computation acoperă zona critică a implementării algoritmice și a calculului statistic modern. Remarcăm în această a doua ediție o integrare fluidă între rigoarea matematică și aplicabilitatea practică, volumul fiind structurat pentru a ghida cititorul de la fundamentele teoriei probabilităților către tehnici computaționale de frontieră. Credem că punctul forte al lucrării rezidă în echilibrul dintre metodele clasice de inferență și abordările Bayesiene, oferind o perspectivă completă asupra modelării statistice contemporane.

Organizarea materialului în cele trei părți principale reflectă o progresie didactică logică. Prima parte consolidează baza de variabile aleatoare și distribuții, esențială pentru orice analiză riguroasă. În partea a doua, autorii Joshua C. C. Chan și Dirk P. Kroese detaliază modelele liniare și ANOVA, pentru ca în final să abordeze structuri complexe precum modelele State-Space și modelele Gaussiene. Un aspect tehnic distinctiv este atenția acordată tehnicilor Monte Carlo rapide, vitale pentru procesarea seturilor de date dependente. Recomandăm acest manual pentru includerea resurselor de suport, precum primerul MATLAB și suplimentul matematic, care transformă suportul teoretic într-un instrument de lucru efectiv pentru studenții avansați și cercetători.

Citește tot Restrânge

Preț: 740^.30 lei

Preț vechi: 925^.37 lei
-20%

Puncte Express: 1110

Paperback 740^.30 lei

Hardback 750^.78 lei

Carte tipărită la comandă

Livrare economică 27 mai-10 iunie

Adaugă în coș

Wish list
Gift list
Am citit!

Adaugă în listă

Specificații

ISBN-13: 9781493953325
ISBN-10: 149395332X
Pagini: 420
Ilustrații: XX, 400 p. 114 illus., 8 illus. in color.
Dimensiuni: 155 x 235 x 23 mm
Greutate: 0.63 kg
Ediția:Softcover reprint of the original 1st ed. 2014
Editura: Springer
Locul publicării:New York, NY, United States

De ce să citești această carte

Recomandăm această carte profesioniștilor și studenților la masterat care au nevoie de un fundament solid în modelarea statistică computatională. Cititorul câștigă nu doar o înțelegere teoretică a modelelor liniare și Bayesiene, ci și competențe practice de implementare prin intermediul exemplelor rezolvate și a ghidului MATLAB inclus. Este o resursă esențială pentru stăpânirea tehnicilor de simulare Monte Carlo aplicate în inferența modernă.

Despre autor

Joshua C. C. Chan și Dirk P. Kroese sunt cadre didactice și cercetători recunoscuți în domeniul statisticii matematice și al metodelor computaționale. Dirk P. Kroese este autorul mai multor lucrări de referință despre metoda Monte Carlo și optimizarea stocastică, expertiza sa fiind vizibilă în rigoarea algoritmilor prezentați. Ambii autori contribuie la seria Springer Texts in Statistics, aducând o experiență vastă în predarea modelării statistice la nivel universitar, punând accent pe transformarea conceptelor matematice abstracte în soluții computaționale eficiente pentru probleme reale.

Descriere scurtă

This textbook on statistical modeling and statistical inference will assist advanced undergraduate and graduate students. Statistical Modeling and Computation provides a unique introduction to modern Statistics from both classical and Bayesian perspectives. It also offers an integrated treatment of Mathematical Statistics and modern statistical computation, emphasizing statistical modeling, computational techniques, and applications. Each of the three parts will cover topics essential to university courses. Part I covers the fundamentals of probability theory. In Part II, the authors introduce a wide variety of classical models that include, among others, linear regression and ANOVA models. In Part III, the authors address the statistical analysis and computation of various advanced models, such as generalized linear, state-space and Gaussian models. Particular attention is paid to fast Monte Carlo techniques for Bayesian inference on these models. Throughout the book the authors include a large number of illustrative examples and solved problems. The book also features a section with solutions, an appendix that serves as a MATLAB primer, and a mathematical supplement.

Cuprins

Probability Models.- Random Variables and Probability Distributions.- Joint Distributions.- Common Statistical Models.- Statistical Inference.- Likelihood.- Monte Carlo Sampling.- Bayesian Inference.- Generalized Linear Models.- Dependent Data Models.- State Space Models.- References.- Solutions.- MATLAB Primer.- Mathematical Supplement.- Index.

Recenzii

“Fundamentals of probability and modeling are presented in a rigorous language and the transition to more advanced chapters is almost smooth. Explanations are precise, both verbally and mathematically. Throughout the book, cross-references are made so that the reader can find further or related topics in other parts of the book. Readers interested in mathematical rigor will find this book rewarding. …

Another strength of the book lies in the wealth and variety of exercises at the end of each chapter. The exercises (some with complete solutions) range from mathematical proofs and model building to programming. Solutions for select problems are presented at the end of the book. …

[This] book is outstanding in terms of coverage of topics, rigorous language and integration of computation.” (Abdolvahab Khademi, Journal of Statistical Software, August 2015)

Notă biografică

Dirk P. Kroese is a Professor of Mathematics and Statistics at The University of Queensland. He is fascinated by anything that deals with the theory and application of randomness. He has written over 90 publications in a wide range of areas in probability and statistics, including three influential books: The Cross-Entropy Method and Simulation and the Monte Carlo Method, Second Edition, both with Reuven Rubinstein, and Handbook of Monte Carlo Methods, with Thomas Taimre and Zdravko Botev.
Joshua Chan is a Senior Lecturer at the Research School of Economics, Australian National University. His current research focuses on detecting and modeling time-varying structures in macroeconomic data using simulation-based methods. He has published widely in leading international journals such as Journal of Econometrics, Journal of Business and Economic Statistics, and Journal of Computational and Graphical Statistics.

Caracteristici

An integrated treatment of statistical inference and computation helps the reader gain a firm understanding of both theory and practice Discusses modern computation techniques including Markov chain Monte Carlo methods and the Expectation Maximization algorithm Includes numerous solved examples and exercises Includes computer codes and a brief programming primer in MATLAB for students Includes supplementary material: sn.pub/extras