Statistical Foundations, Reasoning and Inference
For Science and Data Science
Sorozatcím: Springer Series in Statistics;
-
20% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 85.59
-
35 498 Ft (33 808 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) 20% (cc. 7 100 Ft off)
- Kedvezményes ár 28 399 Ft (27 046 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
35 498 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:
- Kiadás sorszáma 1st ed. 2021
- Kiadó Springer International Publishing
- Megjelenés dátuma 2022. október 2.
- Kötetek száma 1 pieces, Book
- ISBN 9783030698294
- Kötéstípus Puhakötés
- Lásd még 9783030698263
- Terjedelem356 oldal
- Méret 235x155 mm
- Súly 569 g
- Nyelv angol
- Illusztrációk XIII, 356 p. 87 illus., 10 illus. in color. Illustrations, black & white 292
Kategóriák
Hosszú leírás:
This textbook provides a comprehensive introduction to statistical principles, concepts and methods that are essential in modern statistics and data science. The topics covered include likelihood-based inference, Bayesian statistics, regression, statistical tests and the quantification of uncertainty. Moreover, the book addresses statistical ideas that are useful in modern data analytics, including bootstrapping, modeling of multivariate distributions, missing data analysis, causality as well as principles of experimental design. The textbook includes sufficient material for a two-semester course and is intended for master’s students in data science, statistics and computer science with a rudimentary grasp of probability theory. It will also be useful for data science practitioners who want to strengthen their statistics skills.
TöbbTartalomjegyzék:
Introduction.- Background in Probability.- Parametric Statistical Models.- Maximum Likelihood Inference.- Bayesian Statistics.- Statistical Decisions.- Regression.- Bootstrapping.- Model Selection and Model Averaging.- Multivariate and Extreme Value Distributions.- Missing and Deficient Data.- Experiments and Causality.
Több
