Ubicación Física: 519.50285
Mathematical Statistics with Applications in R / | |
Autor: | Ramachandran, Kandethody M. |
Otros Autores: | Tsokos, Chris P. . |
Pié de imprenta: | Estados Unidos : Elsevier Science Publishing Co Inc, 2014. |
Edición: | 2a ed. |
Descripción: | 826 páginas : tablas, gráficas ; 20x24cm. |
ISBN: | 9780124171138. |
Tema(s): | |
Contenido: | 1. Descriptive Statistics. -- 2. Basic Concepts from Probability Theory. -- 3. Additional Topics in Probability. -- 4. Sampling Distributions. -- 5. Estimation. -- 6. Properties of Point Estimation, Hypothesis Testing. -- 7. Linear Regression Models. -- 8. Design of Experiments. -- 9. Analysis of variance. -- 10. Bayesian Estimation and Inference. -- 11. Nonparametric tests. -- 12. Empirical Methods. -- 13. Time-series Analysis. -- 14. Overview of Statistical Applications. -- 15. Appendices. -- 16. Selected Solutions to Exercises |
Resumen: | Estadística matemática con aplicaciones en R, segunda edición, ofrece una introducción teórica moderna basada en el cálculo a las estadísticas y aplicaciones matemáticas. El libro cubre muchos conceptos modernos de computación estadística y simulación que no están cubiertos en otros textos, como Jackknife, métodos bootstrap, algoritmos EM y métodos de Markov chain Monte Carlo (MCMC) como el algoritmo Metropolis, el algoritmo Metropolis-Hastings y la muestra de Gibbs. Al combinar la discusión sobre la teoría de la estadística con una gran cantidad de aplicaciones del mundo real, el libro ayuda a los estudiantes a abordar la resolución de problemas estadísticos de una manera lógica. Este libro proporciona un procedimiento paso a paso para resolver problemas reales, haciendo que el tema sea más accesible. Incluye métodos de bondad de ajuste para identificar la distribución de probabilidad que caracteriza el comportamiento probabilístico o un conjunto dado de datos. Se incluyen ejercicios, así como proyectos prácticos de capítulos del mundo real, y cada capítulo tiene una sección opcional sobre el uso de comandos Minitab, SPSS y SAS. El texto también cuenta con una amplia gama de cobertura de métodos ANOVA, no paramétricos, MCMC, bayesianos y empíricos; soluciones a problemas seleccionados; conjuntos de datos; y un banco de imágenes para estudiantes. Los estudiantes avanzados de pregrado y posgrado que tomen un curso de estadística matemática de uno o dos semestres encontrarán este libro extremadamente útil en sus estudios. |
Tipo de ítem | Biblioteca actual | Colección | Signatura | Copia número | Estado | Fecha de vencimiento | Código de barras |
---|---|---|---|---|---|---|---|
Libro de Reserva | Biblioteca Sede Principal | Colección General | 519.50285 / R15m (Navegar estantería(Abre debajo)) | Ej.1 | Disponible | 26769 | |
Libro General | Biblioteca Sede Principal | Colección General | 519.50285 / R15m (Navegar estantería(Abre debajo)) | Ej.1 | Disponible | 26770 |
Incluye indice.
1. Descriptive Statistics. -- 2. Basic Concepts from Probability Theory. -- 3. Additional Topics in Probability. -- 4. Sampling Distributions. -- 5. Estimation. -- 6. Properties of Point Estimation, Hypothesis Testing. -- 7. Linear Regression Models. -- 8. Design of Experiments. -- 9. Analysis of variance. -- 10. Bayesian Estimation and Inference. -- 11. Nonparametric tests. -- 12. Empirical Methods. -- 13. Time-series Analysis. -- 14. Overview of Statistical Applications. -- 15. Appendices. -- 16. Selected Solutions to Exercises
Estadística matemática con aplicaciones en R, segunda edición, ofrece una introducción teórica moderna basada en el cálculo a las estadísticas y aplicaciones matemáticas. El libro cubre muchos conceptos modernos de computación estadística y simulación que no están cubiertos en otros textos, como Jackknife, métodos bootstrap, algoritmos EM y métodos de Markov chain Monte Carlo (MCMC) como el algoritmo Metropolis, el algoritmo Metropolis-Hastings y la muestra de Gibbs. Al combinar la discusión sobre la teoría de la estadística con una gran cantidad de aplicaciones del mundo real, el libro ayuda a los estudiantes a abordar la resolución de problemas estadísticos de una manera lógica.
Este libro proporciona un procedimiento paso a paso para resolver problemas reales, haciendo que el tema sea más accesible. Incluye métodos de bondad de ajuste para identificar la distribución de probabilidad que caracteriza el comportamiento probabilístico o un conjunto dado de datos. Se incluyen ejercicios, así como proyectos prácticos de capítulos del mundo real, y cada capítulo tiene una sección opcional sobre el uso de comandos Minitab, SPSS y SAS. El texto también cuenta con una amplia gama de cobertura de métodos ANOVA, no paramétricos, MCMC, bayesianos y empíricos; soluciones a problemas seleccionados; conjuntos de datos; y un banco de imágenes para estudiantes.
Los estudiantes avanzados de pregrado y posgrado que tomen un curso de estadística matemática de uno o dos semestres encontrarán este libro extremadamente útil en sus estudios.
No hay comentarios en este titulo.