Bis zu 50 % günstiger als neu
3 Jahre rebuy Garantie
Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
HuaweiAlle anzeigen
Honor Serie
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 Generation
SamsungAlle anzeigen
Galaxy XcoverWeitere Modelle
SonyAlle anzeigen
Weitere Modelle
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
Google
AppleAlle anzeigen
HuaweiAlle anzeigen
MatePad Pro Serie
MicrosoftAlle anzeigen
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
ObjektiveAlle anzeigen
Samyang
System & SpiegelreflexAlle anzeigen
CanonAlle anzeigen
FujifilmAlle anzeigen
OlympusAlle anzeigen
PanasonicAlle anzeigen
SonyAlle anzeigen
WearablesAlle anzeigen
Fitness TrackerAlle anzeigen
SmartwatchesAlle anzeigen
Xiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
KopfhörerAlle anzeigen
FairphoneGoogle
LautsprecherAlle anzeigen
GoogleYamahatonies
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Resampling Methods for Dependent Data

S. N. Lahiri (Broschiert, Englisch)

Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
This is a book on bootstrap and related resampling methods for temporal and spatial data exhibiting various forms of dependence. Like the resam pling methods for independent data, these methods provide tools for sta tistical analysis of dependent data without requiring stringent structural assumptions. This is an important aspect of the resampling methods in the dependent case, as the problem of model misspecification is more preva lent under dependence and traditional statistical methods are often very sensitive to deviations from model assumptions. Following the tremendous success of Efron's (1979) bootstrap to provide answers to many complex problems involving independent data and following Singh's (1981) example on the inadequacy of the method under dependence, there have been several attempts in the literature to extend the bootstrap method to the dependent case. A breakthrough was achieved when resampling of single observations was replaced with block resampling, an idea that was put forward by Hall (1985), Carlstein (1986), Kiinsch (1989), Liu and Singh (1992), and others in various forms and in different inference problems. There has been a vig orous development in the area of res amp ling methods for dependent data since then and it is still an area of active research. This book describes various aspects of the theory and methodology of resampling methods for dependent data developed over the last two decades. There are mainly two target audiences for the book, with the level of exposition of the relevant parts tailored to each audience.
246,09 €
Broschiert | Neu

oder

Auf Lager Versandbereit in 1-2 Werktagen
zzgl.

Du kannst wie immer einen Kaufalarm setzen, wenn du auf das gebrauchte Buch warten möchtest.

Auf Lager Versandbereit in 1-2 Werktagen
zzgl.

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
29.11.2010
Sprache
Englisch
EAN
9781441918482
Herausgeber
Springer US
Serien- oder Bandtitel
Springer Series in Statistics
Sonderedition
Nein
Autor
S. N. Lahiri
Seitenanzahl
374
Einbandart
Broschiert
Schlagwörter
Bootstrapping, Resampling, Ringe, STATISTICA, permutation tests, statistics
Thema-Inhalt
PBT - Wahrscheinlichkeitsrechnung und Statistik
Höhe
235 mm
Breite
15.5 cm

Transparenz & Sicherheit

Hersteller: Springer, Europaplatz 3, Heidelberg, Deutschland, 69115, ProductSafety@springernature.com, Springer Nature Customer Service Center GmbH

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!