Measurement, Regression, and Calibration
Sorozatcím: Oxford Statistical Science Series; 12;
-
10% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár GBP 135.00
-
60 952 Ft (58 050 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 10% (cc. 6 095 Ft off)
- Kedvezményes ár 54 857 Ft (52 245 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
60 952 Ft
Beszerezhetőség
Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadó Clarendon Press
- Megjelenés dátuma 1994. január 6.
- ISBN 9780198522454
- Kötéstípus Keménykötés
- Terjedelem210 oldal
- Méret 241x162x17 mm
- Súly 474 g
- Nyelv angol
- Illusztrációk line figures, tables 0
Kategóriák
Rövid leírás:
This book explains the statistical theory behind a range of regression problems in which one set of variables is predicted from another. The applications are from industry and medicine where the researchers are using sophisticated electronic measuring devices that are capable of monitoring very many variables.
TöbbHosszú leírás:
The book starts with a range of examples and develops techniques progressively, starting with standard least squares prediction of a single variable from another and moving onto shrinkage techniques for multiple variables. Chapters 6 and 7 refer mostly to methods that have been specifically developed for spectroscopy. The other chapters are quite general in their applicability. Likelihood and Bayesian inference features strongly, the latter allowing flexible analysis of a wide range of multivariate regression problems. The last chapter presents some Bayesian approaches to pattern recognition.
For teaching purposes instructors may find particular chapters sufficiently self contained to recommend in isolation as reference or reading material. For example chapter 4 gives an in depth development of a range of shrinkage techniques. including partial least squares regression, ridge regression and principal components regression; together with discussion of the recently proposed continuum regression. Chapter 8 on pattern recognition may also be of us by itself in courses on multivariate analysis and Bayesian Statistics.
This well-written research monograph deals with regression problems that are not commonly covered in statistical methodology courses but that often arise in applications ... Technometrics readers will find much of interest and use in Brown's monograph, not the least of which are expositions of the author's own very considerable contributions to the topics under discussion. Brown is very good at presenting apparently different approaches in a unifying framework that both brings out common features and clarifies differences ... a welcome contribution ... I enjoyed reading this book and recommend it heartily.
Tartalomjegyzék:
Introduction
Simple linear regression
Multiple regression and calibration
Regularized multiple regression
Multivariate calibration
Regession on curves
Non-linearity and selection
Pattern recognition
Distribution theory
Conditional inference
Regularization dominance
Partial least-squares algorithm
Bibliography
Index
