Книга американского ученого М. Дэйвисона посвящена многомерному шкалированию, которое находит широкое применение при анализе экспериментальных данных в экономике, технике, социологии и других областях. Вместе с кластерным и факторным анализом оно образует набор методов, позволяющих наглядно представить результаты в виде картинок иля на экране дисплея.
Для научных работников, разработчиков алгоритмического и программного обеспечения обработки данных, преподавателей и студентов вузов.
В основе книги лежит концепция байесовского использования априорной информации в сочетании с накапливаемыми результатами наблюдений для выработки рациональных решений. Изложенные математические методы используются далее в задачах оценивания долей, средних дисперсий и регрессионных моделей. Кратко рассматриваются системы управлений.
Для статистиков, экономистов и других специалистов, интересующихся эконометрией и статистикой.
В данном пособии в отличие от аналогичных изданий процедуры применения сложных методов многомерного анализа рассматриваются по шагам на конкретных, а не на абстрактных примерах (их представлено в книге более 150). Каждая из пяти тем пособия включает вводные замечания, типологию решаемых задач, задачи для самостоятельных занятий, тесты и вопросы для самоконтроля. Примеры решения большеразмерных задач приведены с применением пакетов электронной обработки данных, в частности пакетов SAS, Statistica, Stadia, Statgraphics.
Для студентов, аспирантов и специалистов, занимающихся статистическими вычислениями повышенной сложности.
Рассматриваются многомерные генеральная н выборочная совокупности, корреляционный, регрессионный, компонентный, факторный анализ, канонические корреляции. Подробно изложены методы многомерной классификации, робастного оценивания. Учебник содержит математико-статистические таблицы, а также конкретные примеры и пояснения, необходимые для их выполнения, и упражнения с использованием ЭВМ, позволяющие закрепить изученный материал.
Для преподавателей, аспирантов, студентов бизнес-школ и экономических вузов, а также экономистов, менеджеров.
Автором книги предложен алгоритм, позволяющий обрабатывать данные о группах объектов (обследуемых, больных) /признаков (симптомов) в системе иерархически организованных кластеров. Алгоритм показал свою универсальность и эффективность на расширенном множестве задач в сочетании с разнотипностью шкал используемых признаков.
Для научных сотрудников, студентов и аспирантов.
Рассказывается о фундаментальном принципе естественных наук — требовании многократной воспроизводимости предсказываемого экспериментального результата. С точки зрения этого принципа прослеживается логика построения исходных концепций прикладной теории вероятностей и критически анализируются типичные положения математической статистики. Излагается альтернатива этим положениям, нашедшая свое математическое оформление в подходе Р. Мизеса. Брошюра рассчитана на широкий круг читателей, интересующихся математической статистикой.
Пособие предназначено для изучения математической статистики в университетах, пединститутах, а также в технических вузах с повышенной математической подготовкой. Излагаются основные результаты теории выборочного метода, методы получения оценок, задачи статистической проверки гипотез, некоторые положения теории статистических решающих правил и оптимальных выводов. Основные положения иллюстрируются рядом примеров и задач.
Второе издание (1-е вышло в 1982 г. ) существенно переработано и иллюстрировано вычислительными процедурами для IBM - PC/AT (XT) при решении конкретных статистических задач.
Для студентов вузов. Может быть полезно инженерам, аспирантам и научным работникам различных специальностей.
Сжато излагаются основные разделы математической статистики. Подбор материала, объем и глубина его изложения соответствуют программе семестрового курса, читанного авторами студентам факультета прикладной математики и экономики МФТИ вслед за курсами по теории вероятностей и основам случайных процессов.
Для студентов старших курсов и аспирантов.
Настоящее издание содержит наиболее важные разделы математической статистики. Подробно рассмотрены теория проверки гипотез, теория оценивания, выборочный метод, корреляционный и регрессионный анализ. Содержатся необходимые для понимания математической статистики сведения из теории вероятностей. Во втором издании (первое вышло в 1975 г.) дополнительно рассматриваются основные понятия и методы планирования эксперимента, дисперсионного и факторного анализа. Уделено внимание статистическим аспектам использования методов случайных функций при обработке результатов наблюдений, включены вопросы статистического моделирования случайных процессов на ЭВМ.
В учебном пособии излагаются основные понятия математической статистики, необходимые для математической обработки результатов экспериментальных исследований. Теоретический материал сопровождается примерами решения задач, а также задачами для практической и самостоятельной работы. Издание адресовано студентам психолого-педагогических направлений подготовки и призвано оказать помощь в самостоятельной работе по изучению теоретического материала, выполнению индивидуальных заданий.
