Bewertung:
Numerical Analysis for Statisticians von Kenneth Lange ist ein hoch angesehener Text, der die für die numerische Statistik erforderlichen mathematischen Grundlagen umfassend behandelt. Während einige Rezensenten es als zu mathematisch empfanden, wird das Buch für seine Tiefe und Klarheit bei der Erklärung der wichtigsten statistischen Berechnungsmethoden gelobt. Die Leser schätzen die Relevanz des Buches sowohl für Graduiertenkurse als auch als Nachschlagewerk für Statistikforscher. Sie weisen jedoch darauf hin, dass bei der Auswahl der richtigen Ausgabe Vorsicht geboten ist, um Verwechslungen mit älteren Versionen zu vermeiden.
Vorteile:Umfassende Abdeckung der mathematischen Konzepte, die für die statistische Analyse wesentlich sind. Fesselnder Schreibstil, der die Leser fesselt. Einbeziehung moderner statistischer Methoden wie MCMC, Resampling und Eigenwertanalyse. Geeignet für Graduiertenkurse und als professionelles Nachschlagewerk. Viele finden, dass die zweite Auflage im Vergleich zur ersten Auflage stark verbessert wurde.
Nachteile:Einige Leser sind der Meinung, dass das Buch wichtige Details auslässt und eher eine mathematische Abhandlung als ein praktischer Leitfaden für Algorithmen ist, so dass für ein vollständiges Verständnis zusätzliche Materialien erforderlich sind. Probleme beim Kauf der ersten Auflage anstelle der zweiten Auflage auf Kindle und Bedenken hinsichtlich der ebook-Preise.
(basierend auf 5 Leserbewertungen)
Numerical Analysis for Statisticians
Jeder Fortschritt in der Computerarchitektur und -software verleitet Statistiker dazu, numerisch schwierigere Probleme in Angriff zu nehmen. Um dies auf intelligente Weise zu tun, ist eine gute Kenntnis der numerischen Analyse erforderlich.
Dieses Buch versetzt die Studierenden in die Lage, ihre eigene Software zu entwickeln und die Vor- und Nachteile der verschiedenen numerischen Methoden zu verstehen. Fragen der numerischen Stabilität, der genauen Annäherung, der rechnerischen Komplexität und der mathematischen Modellierung stehen im Mittelpunkt eines umfassenden und dennoch strengen Überblicks über die für Statistiker wichtigsten Teile der numerischen Analyse. In dieser zweiten Auflage wurde das Material zur Optimierung komplett neu geschrieben.
Es gibt jetzt ein ganzes Kapitel über den MM-Algorithmus, zusätzlich zu umfassenderen Abhandlungen über eingeschränkte Optimierung, Straf- und Barrieremethoden und Modellauswahl mit Hilfe des Lassos. Außerdem gibt es neues Material über die Cholesky-Zerlegung, die Gram-Schmidt-Orthogonalisierung, die QR-Zerlegung, die Singulärwertzerlegung und reproduzierende Kern-Hilbert-Räume.
Die Diskussionen über Bootstrap, Permutationstests, unabhängige Monte-Carlo-Verfahren und versteckte Markov-Ketten wurden aktualisiert, und ein neues Kapitel über fortgeschrittene MCMC-Themen führt die Studenten in Markov-Zufallsfelder, reversible Sprung-MCMC und Konvergenzanalyse bei Gibbs-Sampling ein. Numerische Analyse für Statistiker kann als Text für Absolventen eines Kurses über computergestützte Statistik dienen. Bei sorgfältiger Auswahl der Themen und entsprechender Ergänzung kann es auch im Grundstudium verwendet werden.
Es enthält genügend Material für einen Graduiertenkurs über Optimierungstheorie. Da viele Kapitel nahezu in sich abgeschlossen sind, ist das Buch auch für professionelle Statistiker als Nachschlagewerk nützlich.
| ISBN: | 9781461426127 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
