Predictive Statistics: Analysis and Inference beyond Models

·
· Cambridge Series in Statistical and Probabilistic Mathematics หนังสือเล่มที่ 46 · Cambridge University Press
eBook
657
หน้า
คะแนนและรีวิวไม่ได้รับการตรวจสอบยืนยัน  ดูข้อมูลเพิ่มเติม

เกี่ยวกับ eBook เล่มนี้

All scientific disciplines prize predictive success. Conventional statistical analyses, however, treat prediction as secondary, instead focusing on modeling and hence estimation, testing, and detailed physical interpretation, tackling these tasks before the predictive adequacy of a model is established. This book outlines a fully predictive approach to statistical problems based on studying predictors; the approach does not require predictors correspond to a model although this important special case is included in the general approach. Throughout, the point is to examine predictive performance before considering conventional inference. These ideas are traced through five traditional subfields of statistics, helping readers to refocus and adopt a directly predictive outlook. The book also considers prediction via contemporary 'black box' techniques and emerging data types and methodologies where conventional modeling is so difficult that good prediction is the main criterion available for evaluating the performance of a statistical method. Well-documented open-source R code in a Github repository allows readers to replicate examples and apply techniques to other investigations.

เกี่ยวกับผู้แต่ง

Bertrand S. Clarke is Chair of the Department of Statistics at the University of Nebraska, Lincoln. His research focuses on predictive statistics and statistical methodology in genomic data. He is a fellow of the American Statistical Association, serves as editor or associate editor for three journals, and has published numerous papers in several statistical fields as well as a book on data mining and machine learning.

Jennifer Clarke is Professor of Food Science and Technology, Professor of Statistics, and Director of the Quantitative Life Sciences Initiative at the University of Nebraska, Lincoln. Her current interests include statistical methodology for metagenomics and prediction, statistical computation, and multitype data analysis. She serves on the steering committee of the Midwest Big Data Hub and is co-PI on an award from the NSF focused on data challenges in digital agriculture.

ให้คะแนน eBook นี้

แสดงความเห็นของคุณให้เรารับรู้

ข้อมูลในการอ่าน

สมาร์ทโฟนและแท็บเล็ต
ติดตั้งแอป Google Play Books สำหรับ Android และ iPad/iPhone แอปจะซิงค์โดยอัตโนมัติกับบัญชีของคุณ และช่วยให้คุณอ่านแบบออนไลน์หรือออฟไลน์ได้ทุกที่
แล็ปท็อปและคอมพิวเตอร์
คุณฟังหนังสือเสียงที่ซื้อจาก Google Play โดยใช้เว็บเบราว์เซอร์ในคอมพิวเตอร์ได้
eReader และอุปกรณ์อื่นๆ
หากต้องการอ่านบนอุปกรณ์ e-ink เช่น Kobo eReader คุณจะต้องดาวน์โหลดและโอนไฟล์ไปยังอุปกรณ์ของคุณ โปรดทำตามวิธีการอย่างละเอียดในศูนย์ช่วยเหลือเพื่อโอนไฟล์ไปยัง eReader ที่รองรับ