Statistics is a subject of many uses and surprisingly few effective practitioners. The traditional road to statistical knowledge is blocked, for most, by a formidable wall of mathematics. The approach in An Introduction to the Bootstrap avoids that wall. It arms scientists and engineers, as well as statisticians, with the computational techniques they need to analyze and understand complicated data sets.
具体描述
读后感
此书文风晦涩难懂，理论艰深刻薄 但是Bootstrap简化抽取出来无非是这样的概念： 假设原始数据集包含N个观测值X = ［x1, .. xn］ 我们根据有限的观测值可以推测出产生这些数据的模型 并找到最优的参数 但是 这模型和参数多大程度上可信就不知道了 因为观测值x通常包含噪声 同时...
评分此书文风晦涩难懂，理论艰深刻薄 但是Bootstrap简化抽取出来无非是这样的概念： 假设原始数据集包含N个观测值X = ［x1, .. xn］ 我们根据有限的观测值可以推测出产生这些数据的模型 并找到最优的参数 但是 这模型和参数多大程度上可信就不知道了 因为观测值x通常包含噪声 同时...
评分此书文风晦涩难懂，理论艰深刻薄 但是Bootstrap简化抽取出来无非是这样的概念： 假设原始数据集包含N个观测值X = ［x1, .. xn］ 我们根据有限的观测值可以推测出产生这些数据的模型 并找到最优的参数 但是 这模型和参数多大程度上可信就不知道了 因为观测值x通常包含噪声 同时...
评分此书文风晦涩难懂，理论艰深刻薄 但是Bootstrap简化抽取出来无非是这样的概念： 假设原始数据集包含N个观测值X = ［x1, .. xn］ 我们根据有限的观测值可以推测出产生这些数据的模型 并找到最优的参数 但是 这模型和参数多大程度上可信就不知道了 因为观测值x通常包含噪声 同时...
评分此书文风晦涩难懂，理论艰深刻薄 但是Bootstrap简化抽取出来无非是这样的概念： 假设原始数据集包含N个观测值X = ［x1, .. xn］ 我们根据有限的观测值可以推测出产生这些数据的模型 并找到最优的参数 但是 这模型和参数多大程度上可信就不知道了 因为观测值x通常包含噪声 同时...
用户评价
短小精干，适合有理论基础的人读。讨论和例子都非常棒。
评分短小精干，适合有理论基础的人读。讨论和例子都非常棒。
评分短小精干，适合有理论基础的人读。讨论和例子都非常棒。
评分短小精干，适合有理论基础的人读。讨论和例子都非常棒。
评分短小精干，适合有理论基础的人读。讨论和例子都非常棒。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.wenda123.org All Rights Reserved. 图书目录大全 版权所有