Fitting statistical distributions: the Generalized Lambda Distribution and Generalized Bootstrap methods

دانلود کتاب Fitting statistical distributions: the Generalized Lambda Distribution and Generalized Bootstrap methods

دسته: احتمال

40000 تومان موجود

کتاب توزیع های آماری برازش: روش های توزیع لامبدا تعمیم یافته و بوت استرپ تعمیم یافته نسخه زبان اصلی

دانلود کتاب توزیع های آماری برازش: روش های توزیع لامبدا تعمیم یافته و بوت استرپ تعمیم یافته بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید


این کتاب نسخه اصلی می باشد و به زبان فارسی نیست.


امتیاز شما به این کتاب (حداقل 1 و حداکثر 5):

امتیاز کاربران به این کتاب:        تعداد رای دهنده ها: 9


توضیحاتی در مورد کتاب Fitting statistical distributions: the Generalized Lambda Distribution and Generalized Bootstrap methods

نام کتاب : Fitting statistical distributions: the Generalized Lambda Distribution and Generalized Bootstrap methods
ویرایش : 1
عنوان ترجمه شده به فارسی : توزیع های آماری برازش: روش های توزیع لامبدا تعمیم یافته و بوت استرپ تعمیم یافته
سری :
نویسندگان : ,
ناشر : CRC Press
سال نشر : 2000
تعداد صفحات : 435
ISBN (شابک) : 1584880694 , 9781420038040
زبان کتاب : English
فرمت کتاب : djvu    درصورت درخواست کاربر به PDF تبدیل می شود
حجم کتاب : 3 مگابایت



بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.

توضیحاتی در مورد کتاب :


در سراسر علوم فیزیکی و اجتماعی، محققان با چالش برازش توزیع های آماری با داده های خود مواجه هستند. اگرچه مطالعه مدل‌سازی آماری در سال‌های اخیر پیشرفت‌های زیادی داشته است، تعداد و تنوع توزیع‌ها برای انتخاب - همه با فرمول‌ها، جداول، نمودارها و ویژگی‌های کلی خودشان - همچنان مشکلاتی را ایجاد می‌کنند. برای یک برنامه خاص، کدام یک از ده ها توزیع را باید استفاده کرد؟ اگر هیچکدام از آنها به خوبی مناسب نباشند چه؟ نویسندگان با تمرکز بر تکنیک‌های مورد استفاده موفقیت‌آمیز در بسیاری از زمینه‌ها، تمام نتایج مربوط به توزیع لامبدا تعمیم‌یافته (GLD)، بوت استرپ تعمیم‌یافته (GB)، و شبیه‌سازی مونت کارلو (MC) را ارائه می‌کنند. آنها جداول، الگوریتم‌ها و برنامه‌های کامپیوتری مورد نیاز برای برازش توزیع‌های احتمال پیوسته به داده‌ها را در طیف گسترده‌ای از شرایط پوشش‌دهنده دو متغیره و همچنین توزیع‌های تک متغیره، و شامل موقعیت‌هایی که لحظه‌ها وجود ندارند، ارائه می‌کنند. صرف نظر از رشته خاص شما-علوم فیزیکی، علوم اجتماعی یا آمار، پزشک یا نظریه پرداز متناسب با توزیع آماری نیاز به مطالعه دارد. این شامل برنامه های کاربردی گسترده ای است که روش ها را در عمل نشان می دهد و شواهدی از نتایج کلیدی را برای کسانی که درگیر توسعه نظری هستند ارائه می دهد. بدون آن، ممکن است از روش های منسوخ استفاده کنید، زمان را تلف کنید و نتایج نادرست را به خطر بیندازید.


توضیحاتی در مورد کتاب به زبان اصلی :


Throughout the physical and social sciences, researchers face the challenge of fitting statistical distributions to their data. Although the study of statistical modelling has made great strides in recent years, the number and variety of distributions to choose from-all with their own formulas, tables, diagrams, and general properties-continue to create problems. For a specific application, which of the dozens of distributions should one use? What if none of them fit well?Fitting Statistical Distributions helps answer those questions. Focusing on techniques used successfully across many fields, the authors present all of the relevant results related to the Generalized Lambda Distribution (GLD), the Generalized Bootstrap (GB), and Monte Carlo simulation (MC). They provide the tables, algorithms, and computer programs needed for fitting continuous probability distributions to data in a wide variety of circumstances-covering bivariate as well as univariate distributions, and including situations where moments do not exist. Regardless of your specific field-physical science, social science, or statistics, practitioner or theorist-Fitting Statistical Distributions is required reading. It includes wide-ranging applications illustrating the methods in practice and offers proofs of key results for those involved in theoretical development. Without it, you may be using obsolete methods, wasting time, and risking incorrect results.



پست ها تصادفی