Description
M-statistics یک رویکرد جدید برای استنتاج آماری، طراحی مجدد مبانی آمار، و بهبود روش‌های کلاسیکی که قبلاً استفاده می‌کنیم، معرفی می‌کند. این کتاب استنتاج آماری بهینه دقیق را برای یک نمونه کوچک زیر یک چتر روش شناختی هدف قرار می دهد. دو رویکرد رقابتی ارائه می‌شود: آمار حداکثر غلظت (MC) و حالت (MO) که تحت یک چتر روش‌شناختی ترکیب شده‌اند، به همین دلیل است که معادله نمادین M=MC+MO. آماره M برآوردگر را به عنوان نقطه حدی فاصله اطمینان بهینه دقیق MC یا MO تعریف می کند که به ترتیب سطح اطمینان به صفر نزدیک می شود، برآوردگر MC و MO. نه میانگین و نه واریانس در نظریه آماره M نقشی ندارند.
روش‌های آماری جدید در قالب فواصل و آزمون‌های اطمینان کوتاه و بی‌طرف دو طرفه برای پارامترهای آماری اصلی اعمال می‌شوند:
استنتاج آماری دقیق برای اندازه‌های نمونه کوچک با اندازه اثر و ضریب تغییرات، پارامتر نرخ توزیع پارتو، استنتاج آماری دو نمونه‌ای برای واریانس نرمال و نرخ توزیع‌های نمایی نشان داده شده است.
آماره M با توزیع های گسسته، دو جمله ای و پواسون نشان داده شده است. برآوردگرهای جدید پارادوکس ها را با برآوردگرهای کلاسیک بی طرفانه زمانی که نتیجه صفر است حذف می کنند.
استنتاج آماری بهینه دقیق برای تحلیل همبستگی از جمله همبستگی پیرسون، ضریب همبستگی مجذور و ضریب تعیین اعمال می شود. برآوردگرهای جدید MC و MO همراه با آزمون‌های آماری بهینه، همراه با توابع توان مربوطه، توسعه یافته‌اند.
آماره M به پارامتر چند بعدی گسترش یافته و با استنتاج آماری همزمان برای میانگین و انحراف استاندارد، پارامترهای شکل توزیع بتا، توزیع دو جمله ای دو نمونه ای و در نهایت، رگرسیون غیر خطی نشان داده شده است.
پیشرفت‌های جدید ما با الگوریتم‌ها و کدهای R مربوطه همراه است که در GitHub موجود است و به‌راحتی برای برنامه‌ها در دسترس است.
M-statistics برای متخصصان و دانشجویان به طور یکسان مناسب است. برای آماردانان نظری و معلمان، محققان و تحلیلگران علوم داده به عنوان جایگزینی برای استنتاج آماری کلاسیک و تقریبی بسیار مفید است.
Reviews
There are no reviews yet.