Cantitate/Preț
Produs

Einführung in die Bayes-Statistik

Autor Karl-Rudolf Koch
de Limba Germană Hardback – 21 ian 2000
Das Buch führt auf einfache und verständliche Weise in die Bayes-Statistik ein. Ausgehend vom Bayes-Theorem werden die Schätzung unbekannter Parameter, die Festlegung von Konfidenzregionen für die unbekannten Parameter und die Prüfung von Hypothesen für die Parameter abgeleitet. Angewendet werden die Verfahren für die Parameterschätzung im linearen Modell, für die Parameterschätzung, die sich robust gegenüber Ausreißern in den Beobachtungen verhält, für die Prädiktion und Filterung, die Varianz- und Kovarianzkomponentenschätzung und die Mustererkennung. Für Entscheidungen in Systemen mit Unsicherheiten dienen Bayes-Netze. Lassen sich notwendige Integrale analytisch nicht lösen, werden numerische Verfahren mit Hilfe von Zufallswerten eingesetzt.
Citește tot Restrânge

Toate formatele și edițiile

Toate formatele și edițiile Preț Express
Paperback (1) 73045 lei  43-57 zile
  Springer Berlin, Heidelberg – 4 oct 2012 73045 lei  43-57 zile
Hardback (1) 72984 lei  43-57 zile
  Springer Berlin, Heidelberg – 21 ian 2000 72984 lei  43-57 zile

Preț: 72984 lei

Preț vechi: 89005 lei
-18% Nou

Puncte Express: 1095

Preț estimativ în valută:
13967 14493$ 11674£

Carte tipărită la comandă

Livrare economică 17-31 martie

Preluare comenzi: 021 569.72.76

Specificații

ISBN-13: 9783540666707
ISBN-10: 3540666702
Pagini: 236
Ilustrații: IX, 225 S.
Dimensiuni: 155 x 235 x 20 mm
Greutate: 0.51 kg
Ediția:2000
Editura: Springer Berlin, Heidelberg
Colecția Springer
Locul publicării:Berlin, Heidelberg, Germany

Public țintă

Research

Cuprins

1 Einleitung.- 2 Wahrscheinlichkeit.- 2.1 Gesetze der Wahrscheinlichkeit.- 2.2 Verteilungen.- 2.3 Erwartungswert, Varianz und Kovarianz.- 2.4 Univariate Verteilungen.- 2.5 Multivariate Verteilungen.- 2.6 Priori-Dichten.- 3 Parameterschätzung, Konfidenzregionen und Hypothesenprüfung.- 3.1 Bayes-Strategie.- 3.2 Punktschätzung.- 3.3 Bereichsschätzung.- 3.4 Hypothesenprüfung.- 4 Lineares Modell.- 4.1 Definition und Likelihoodfunktion.- 4.2 Lineares Modell mit bekanntem Varianzfaktor.- 4.3 Lineares Modell mit unbekanntem Varianzfaktor.- 4.4 Lineares Modell mit nicht vollem Rang.- 5 Spezielle Modelle und Anwendungen.- 5.1 Prädiktion und Filterung.- 5.2 Varianz- und Kovarianzkomponenten.- 5.3 Mustererkennung.- 5.4 Bayes-Netze.- 6 Numerische Verfahren.- 6.1 Generierung von Zufallswerten.- 6.2 Monte-Carlo-Integration.- 6.3 Monte-Carlo-Methode mit Markoff-Ketten.- Literatur.

Caracteristici

Einfacher und leicht faßbarer Einstieg Gute didaktische Aufbereitung