Combinatorial methods in density estimation

Public ISBD Titre : Combinatorial methods in density estimation Type de document : texte imprimé Editeur : Springer Année de publication : 2001 Importance : 1 vol. (208 p.) Format : 25 cm ISBN/ISSN/EAN : 978-0-387-95117-1 Catégories : Mathématique Mots-clés : Estimation, Théorie de l' Analyse combinatoire Index. décimale : 519.54 Inférence statistique Résumé : L'estimation de la densité a énormément évolué depuis les jours de parcelles et d'histogrammes, mais les chercheurs et les utilisateurs ont encore du mal à choisir les largeurs des bacs. Ce texte explore un nouveau paradigme pour la sélection automatique ou basée sur les données des paramètres libres des estimations de densité en général, de sorte que l'erreur attendue se situe dans un multiple constant donné de la meilleure erreur possible. Le paradigme peut être utilisé dans presque toutes les estimations de densité et pour la plupart des problèmes de sélection de modèle, à la fois paramétrique et non paramétrique. C'est le premier livre sur ce sujet. Le texte est destiné aux étudiants diplômés de première année en statistique et en théorie de l'apprentissage, et offre une foule d'opportunités pour des recherches et des thèmes de thèse. Chaque chapitre correspond approximativement à une lecture et est complété par de nombreux exercices de classe. Un cours d'une année sur la théorie des probabilités au niveau du volume 1 de Feller devrait être une préparation plus que suffisante. Écrit pour: Chercheurs, étudiants diplômés Note de contenu : Sommaire Introduction Concentration Inequalities Uniform Deviation Inequalities Combinatorial Tools Total Variation Choosing a Density Estimate from a Collection Skeleton Estimates The Minimum Distance Estimate: Examples The Kernel Density Estimate Additive Estimates and Data Splitting Bandwidth Selection for Kernel Estimates Multiparameter Kernel Estimates Wavelet Estimates The Transformed Kernel Estimate Minimax Theory Choosing the Kernel Order Bandwidth Choice with Superkernels. Combinatorial methods in density estimation [texte imprimé] . - [S.l.] : Springer, 2001 . - 1 vol. (208 p.) ; 25 cm. ISBN : 978-0-387-95117-1 Catégories : Mathématique Mots-clés : Estimation, Théorie de l' Analyse combinatoire Index. décimale : 519.54 Inférence statistique Résumé : L'estimation de la densité a énormément évolué depuis les jours de parcelles et d'histogrammes, mais les chercheurs et les utilisateurs ont encore du mal à choisir les largeurs des bacs. Ce texte explore un nouveau paradigme pour la sélection automatique ou basée sur les données des paramètres libres des estimations de densité en général, de sorte que l'erreur attendue se situe dans un multiple constant donné de la meilleure erreur possible. Le paradigme peut être utilisé dans presque toutes les estimations de densité et pour la plupart des problèmes de sélection de modèle, à la fois paramétrique et non paramétrique. C'est le premier livre sur ce sujet. Le texte est destiné aux étudiants diplômés de première année en statistique et en théorie de l'apprentissage, et offre une foule d'opportunités pour des recherches et des thèmes de thèse. Chaque chapitre correspond approximativement à une lecture et est complété par de nombreux exercices de classe. Un cours d'une année sur la théorie des probabilités au niveau du volume 1 de Feller devrait être une préparation plus que suffisante. Écrit pour: Chercheurs, étudiants diplômés Note de contenu : Sommaire Introduction Concentration Inequalities Uniform Deviation Inequalities Combinatorial Tools Total Variation Choosing a Density Estimate from a Collection Skeleton Estimates The Minimum Distance Estimate: Examples The Kernel Density Estimate Additive Estimates and Data Splitting Bandwidth Selection for Kernel Estimates Multiparameter Kernel Estimates Wavelet Estimates The Transformed Kernel Estimate Minimax Theory Choosing the Kernel Order Bandwidth Choice with Superkernels.

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/0711	Fs/0711	Livre	Bibliothéque des sciences	Français	Disponible Disponible

Smoothing spline :Anova models / GU,Chong

Public ISBD Titre : Smoothing spline :Anova models Type de document : texte imprimé Auteurs : GU,Chong Editeur : New York : Springer Année de publication : 2002 Collection : Springer series in statistics Importance : 289 Format : 24 ISBN/ISSN/EAN : 978-0-387-95353-3 Catégories : Mathématique Mots-clés : timation, Théorie de l' Analyse de variance Splines, Théorie des Lissage (statistique) Index. décimale : 519.54 Inférence statistique Résumé : L'estimation de la fonction SemNonparamétrique avec des données stochastiques, également connues sous le nom de lissage, a été étudiée par plusieurs générations de statisticiens. A l'aide de la disponibilité récente d'un puissant pouvoir de calcul de bureau et d'ordinateur portable, les méthodes de lissage trouvent leur chemin dans l'analyse quotidienne des données par les praticiens. Alors que de nombreuses méthodes se sont révélées efficaces pour le lissage univarié, celles qui sont pratiques dans des contextes multivariés sont beaucoup moins nombreuses. Les modèles ANOVA de spline de lissage sont une famille polyvalente de méthodes de lissage dérivées de pénalités de rugosité adaptées aux problèmes univariés et multivariés. Dans ce livre, l'auteur présente un traitement complet du lissage des pénalités dans un cadre unifié. Les méthodes sont développées pour la régression avec des réponses gaussiennes et non gaussiennes ainsi que des données censées sur la durée de vie; densité et estimation de la densité conditionnelle dans une variété de schémas d'échantillonnage; et l'estimation du taux de risque avec des données de durée de vie et des covariables censurés. Les thèmes unificateurs sont la méthode générale de probabilité pénalisée et la construction de modèles multivariés avec des décompositions intégrées d'ANOVA. Des discussions approfondies sont consacrées à la construction du modèle, à la sélection des paramètres de lissage, au calcul et à la convergence asymptotique. La plupart des outils informatiques et analytiques de données décrits dans le livre sont implémentés dans R, un clone open source du langage S / S-PLUS populaire. Le code de régression a été distribué dans le paquet R gss disponible gratuitement via Internet sur CRAN, le réseau complet d'archives R. L'utilisation des installations gss est illustrée dans le livre par des exemples de données simulées et réelles. Note de contenu : Contents Introduction. Model Construction. Regression with Gaussian Type Responses. More Splines. Regression with Exponential Families. Probability Density Estimation. Hazard Rate Estimation. Asymptotic Convergence. Smoothing spline :Anova models [texte imprimé] / GU,Chong . - New York : Springer, 2002 . - 289 ; 24. - (Springer series in statistics) . ISBN : 978-0-387-95353-3 Catégories : Mathématique Mots-clés : timation, Théorie de l' Analyse de variance Splines, Théorie des Lissage (statistique) Index. décimale : 519.54 Inférence statistique Résumé : L'estimation de la fonction SemNonparamétrique avec des données stochastiques, également connues sous le nom de lissage, a été étudiée par plusieurs générations de statisticiens. A l'aide de la disponibilité récente d'un puissant pouvoir de calcul de bureau et d'ordinateur portable, les méthodes de lissage trouvent leur chemin dans l'analyse quotidienne des données par les praticiens. Alors que de nombreuses méthodes se sont révélées efficaces pour le lissage univarié, celles qui sont pratiques dans des contextes multivariés sont beaucoup moins nombreuses. Les modèles ANOVA de spline de lissage sont une famille polyvalente de méthodes de lissage dérivées de pénalités de rugosité adaptées aux problèmes univariés et multivariés. Dans ce livre, l'auteur présente un traitement complet du lissage des pénalités dans un cadre unifié. Les méthodes sont développées pour la régression avec des réponses gaussiennes et non gaussiennes ainsi que des données censées sur la durée de vie; densité et estimation de la densité conditionnelle dans une variété de schémas d'échantillonnage; et l'estimation du taux de risque avec des données de durée de vie et des covariables censurés. Les thèmes unificateurs sont la méthode générale de probabilité pénalisée et la construction de modèles multivariés avec des décompositions intégrées d'ANOVA. Des discussions approfondies sont consacrées à la construction du modèle, à la sélection des paramètres de lissage, au calcul et à la convergence asymptotique. La plupart des outils informatiques et analytiques de données décrits dans le livre sont implémentés dans R, un clone open source du langage S / S-PLUS populaire. Le code de régression a été distribué dans le paquet R gss disponible gratuitement via Internet sur CRAN, le réseau complet d'archives R. L'utilisation des installations gss est illustrée dans le livre par des exemples de données simulées et réelles. Note de contenu : Contents Introduction. Model Construction. Regression with Gaussian Type Responses. More Splines. Regression with Exponential Families. Probability Density Estimation. Hazard Rate Estimation. Asymptotic Convergence.

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/0697	Fs/0697	Livre	Bibliothéque des sciences	Anglais	Disponible Disponible

Statistique inférentielle / Dominique Fourdrinier

Public ISBD Titre : Statistique inférentielle : cours et exercices corrigés Type de document : texte imprimé Auteurs : Dominique Fourdrinier (1951-....), Auteur Editeur : Paris : Dunod Année de publication : 2002 Collection : Sciences sup Importance : 358 p. Présentation : ill., couv. ill. en coul. Format : 24 cm ISBN/ISSN/EAN : 978-2-10-004445-0 Note générale : La couv. porte en plus : "2e cycle" Bibliogr. p. 353. Index Langues : Français (fre) Catégories : Mathématique Index. décimale : 519.54 Inférence statistique Résumé : Ce cours de statistique s'adresse aux étudiants de deuxième cycle de mathématique des universités. Les principaux sujets traités ici sont ceux qui sont classiquement abordés en statistique : l'estimation (ponctuelle et par régions de confiance), les tests, le principe de réduction des données (qui est sous-jacent à l'exhaustivité). Un chapitre spécifique est consacré aux familles de lois fondamentales qui sont au coeur de la statistique : partant des lois normales multidimensionnelles, sont présentées comme en étant une extension les familles exponentielles et les familles à symétrie sphérique. Notons que, tout au long du livre, sont pris en compte les apports que constituent la théorie de la décision et l'analyse statistique Bayésienne.Si l'auteur insiste sur la rigueur mathématique nécessaire au développement des notions introduites, l'accent est mis sur leur sens proprement statistique. A cet effet, un grand nombre d'exemples accompagnent la plupart des définitions, propositions, théorèmes et corollaires.Une série d'exercices est proposée à la fin de chaque chapitre pour un certain nombre d'entre eux, une solution détaillée est donnée ; quelques-uns, soit constituent des compléments, soit permettent d'introduire des exemples classiques tels que la régression linéaire et l'analyse de la variance Note de contenu : sommaire L'inférence statistique Les familles de lois fondamentales multidimensionnelles Un principe de réduction des données : l'exhaustivité Estimation ponctuelle Les tests d'hypothèses Estimation par région de confiance Théorie de la décision Statistique inférentielle : cours et exercices corrigés [texte imprimé] / Dominique Fourdrinier (1951-....), Auteur . - Paris : Dunod, 2002 . - 358 p. : ill., couv. ill. en coul. ; 24 cm. - (Sciences sup) . ISBN : 978-2-10-004445-0 La couv. porte en plus : "2e cycle" Bibliogr. p. 353. Index Langues : Français (fre) Catégories : Mathématique Index. décimale : 519.54 Inférence statistique Résumé : Ce cours de statistique s'adresse aux étudiants de deuxième cycle de mathématique des universités. Les principaux sujets traités ici sont ceux qui sont classiquement abordés en statistique : l'estimation (ponctuelle et par régions de confiance), les tests, le principe de réduction des données (qui est sous-jacent à l'exhaustivité). Un chapitre spécifique est consacré aux familles de lois fondamentales qui sont au coeur de la statistique : partant des lois normales multidimensionnelles, sont présentées comme en étant une extension les familles exponentielles et les familles à symétrie sphérique. Notons que, tout au long du livre, sont pris en compte les apports que constituent la théorie de la décision et l'analyse statistique Bayésienne.Si l'auteur insiste sur la rigueur mathématique nécessaire au développement des notions introduites, l'accent est mis sur leur sens proprement statistique. A cet effet, un grand nombre d'exemples accompagnent la plupart des définitions, propositions, théorèmes et corollaires.Une série d'exercices est proposée à la fin de chaque chapitre pour un certain nombre d'entre eux, une solution détaillée est donnée ; quelques-uns, soit constituent des compléments, soit permettent d'introduire des exemples classiques tels que la régression linéaire et l'analyse de la variance Note de contenu : sommaire L'inférence statistique Les familles de lois fondamentales multidimensionnelles Un principe de réduction des données : l'exhaustivité Estimation ponctuelle Les tests d'hypothèses Estimation par région de confiance Théorie de la décision

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
Fs/1692	Fs/1692-1693	Livre	Bibliothéque des sciences	Français	Disponible Disponible
Fs/1693	Fs/1692-1693	Livre	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 3 / 3)