A Parametric Approach to Nonparametric Statistics / Alvo, Mayer  

Público ISBD Ningún comentario para este registro. Título : A Parametric Approach to Nonparametric Statistics Tipo de documento: documento electrónico Autores: Alvo, Mayer, ; Yu, Philip L. H., Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: XIV, 279 p. 15 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-94153-0 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Probabilidades  Estadísticas  Teoría de probabilidad  Teoría y métodos estadísticos. Clasificación: 519.2 Resumen: Este libro demuestra que la estadística no paramétrica se puede enseñar desde un punto de vista paramétrico. Como resultado, se pueden explotar varias herramientas paramétricas, como el uso de la función de probabilidad, la probabilidad penalizada y las funciones de puntuación, no sólo para derivar pruebas conocidas, sino también para ir más allá y utilizar métodos bayesianos para analizar datos de clasificación. El libro cierra la brecha entre las estadísticas paramétricas y no paramétricas y presenta las mejores prácticas de las primeras mientras disfruta de las propiedades de solidez de las segundas. Este libro se puede utilizar en un curso de posgrado en no paramétrica, y algunas partes son accesibles para estudiantes universitarios de último año. Además, el libro será de gran interés para estadísticos e investigadores en campos aplicados. Nota de contenido: I. Introduction and Fundamentals -- Introduction -- Fundamental Concepts in Parametric Inference -- II. Modern Nonparametric Statistical Methods -- Smooth Goodness of Fit Tests -- One-Sample and Two-Sample Problems -- Multi-Sample Problems -- Tests for Trend and Association -- Optimal Rank Tests -- Efficiency -- III. Selected Applications -- Multiple Change-Point Problems -- Bayesian Models for Ranking Data -- Analysis of Censored Data -- A. Description of Data Sets. Tipo de medio : Computadora Summary : This book demonstrates that nonparametric statistics can be taught from a parametric point of view. As a result, one can exploit various parametric tools such as the use of the likelihood function, penalized likelihood and score functions to not only derive well-known tests but to also go beyond and make use of Bayesian methods to analyze ranking data. The book bridges the gap between parametric and nonparametric statistics and presents the best practices of the former while enjoying the robustness properties of the latter. This book can be used in a graduate course in nonparametrics, with parts being accessible to senior undergraduates. In addition, the book will be of wide interest to statisticians and researchers in applied fields. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] A Parametric Approach to Nonparametric Statistics [documento electrónico] / Alvo, Mayer, ; Yu, Philip L. H.,  . -  1 ed.  . - [s.l.] : Springer, 2018 . - XIV, 279 p. 15 ilustraciones en color. ISBN : 978-3-319-94153-0 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Probabilidades  Estadísticas  Teoría de probabilidad  Teoría y métodos estadísticos. Clasificación: 519.2 Resumen: Este libro demuestra que la estadística no paramétrica se puede enseñar desde un punto de vista paramétrico. Como resultado, se pueden explotar varias herramientas paramétricas, como el uso de la función de probabilidad, la probabilidad penalizada y las funciones de puntuación, no sólo para derivar pruebas conocidas, sino también para ir más allá y utilizar métodos bayesianos para analizar datos de clasificación. El libro cierra la brecha entre las estadísticas paramétricas y no paramétricas y presenta las mejores prácticas de las primeras mientras disfruta de las propiedades de solidez de las segundas. Este libro se puede utilizar en un curso de posgrado en no paramétrica, y algunas partes son accesibles para estudiantes universitarios de último año. Además, el libro será de gran interés para estadísticos e investigadores en campos aplicados. Nota de contenido: I. Introduction and Fundamentals -- Introduction -- Fundamental Concepts in Parametric Inference -- II. Modern Nonparametric Statistical Methods -- Smooth Goodness of Fit Tests -- One-Sample and Two-Sample Problems -- Multi-Sample Problems -- Tests for Trend and Association -- Optimal Rank Tests -- Efficiency -- III. Selected Applications -- Multiple Change-Point Problems -- Bayesian Models for Ranking Data -- Analysis of Censored Data -- A. Description of Data Sets. Tipo de medio : Computadora Summary : This book demonstrates that nonparametric statistics can be taught from a parametric point of view. As a result, one can exploit various parametric tools such as the use of the likelihood function, penalized likelihood and score functions to not only derive well-known tests but to also go beyond and make use of Bayesian methods to analyze ranking data. The book bridges the gap between parametric and nonparametric statistics and presents the best practices of the former while enjoying the robustness properties of the latter. This book can be used in a graduate course in nonparametrics, with parts being accessible to senior undergraduates. In addition, the book will be of wide interest to statisticians and researchers in applied fields. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200