
Handbook of Bayesian, Fiducial, and Frequentist Inference
Das Aufkommen der Datenwissenschaft in den letzten Jahrzehnten hat den Bedarf an effizienten Methoden für die Datenanalyse verstärkt und die Bedeutung der statistischen Schlussfolgerungen hervorgehoben. Trotz der enormen Fortschritte ist die statistische Wissenschaft immer noch eine junge Disziplin, die in ihren Ansätzen und Grundlagen weiterhin verschiedene und konkurrierende Wege beschreitet. Während das Aufkommen konkurrierender Ansätze eine natürliche Entwicklung jeder wissenschaftlichen Disziplin ist, können Unterschiede in den Grundlagen der statistischen Schlussfolgerung manchmal zu unterschiedlichen Interpretationen und Schlussfolgerungen aus demselben Datensatz führen. Das zunehmende Interesse an den Grundlagen der statistischen Inferenz hat zu zahlreichen Veröffentlichungen geführt, und die jüngsten lebhaften Forschungsaktivitäten in der Statistik, der angewandten Mathematik, der Philosophie und anderen Wissenschaftsbereichen spiegeln die Bedeutung dieser Entwicklung wider. Die BFF-Ansätze schlagen nicht nur eine Brücke zwischen den Grundlagen und dem wissenschaftlichen Lernen, sondern erleichtern auch die objektive und reproduzierbare wissenschaftliche Forschung und bieten skalierbare Berechnungsmethoden für die Analyse von Big Data. Die meisten veröffentlichten Arbeiten konzentrieren sich in der Regel auf ein einziges Thema, und die Arbeiten sind in verschiedenen Zeitschriften verstreut. Dieses Handbuch bietet eine umfassende Einführung und einen breiten Überblick über die wichtigsten Entwicklungen in den BFF-Schulen der Inferenz.
Es richtet sich an Forscher und Studenten, die sich einen Überblick über die Grundlagen der Inferenz aus der BFF-Perspektive verschaffen wollen, und bietet eine allgemeine Referenz für die BFF-Inferenz.
Hauptmerkmale:
⬤ Bietet eine umfassende Einführung in die wichtigsten Entwicklungen in den BFF-Schulen der Inferenz.
⬤ Gibt einen Überblick über moderne Inferenzmethoden und ermöglicht es Wissenschaftlern anderer Fachrichtungen, ihr Wissen zu erweitern.
⬤ Ist zugänglich für Leser mit unterschiedlichen Perspektiven und Hintergründen.