Bewertung:

Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
Parameter Redundancy and Identifiability
Statistische und mathematische Modelle werden durch Parameter definiert, die verschiedene Merkmale dieser Modelle beschreiben. Idealerweise wäre es möglich, Parameterschätzungen für jeden Parameter in diesem Modell zu finden, aber in einigen Fällen ist dies nicht möglich. So können beispielsweise zwei Parameter, die im Modell immer nur als Produkt auftreten, nicht einzeln geschätzt werden; nur das Produkt kann geschätzt werden. Ein solches Modell wird als parameterredundant bezeichnet, oder die Parameter werden als nicht identifizierbar beschrieben. Dieses Buch erklärt, warum Parameterredundanz und Nicht-Identifizierbarkeit ein Problem darstellen und welche verschiedenen Methoden zur Erkennung verwendet werden können, auch im Bayes'schen Kontext.
Hauptmerkmale dieses Buches:
⬤ Ausführliche Diskussion der Probleme, die durch Parameterredundanz und Nicht-Identifizierbarkeit verursacht werden.
⬤ Erläuterung der verschiedenen allgemeinen Methoden zur Erkennung von Parameterredundanz und Nicht-Identifizierbarkeit, einschließlich symbolischer Algebra und numerischer Methoden.
⬤ Kapitel über Bayes'sche Identifizierbarkeit.
⬤ Durchgehend werden illustrative Beispiele verwendet, um jedes Problem und jede Methode deutlich zu demonstrieren. Maple- und R-Code sind für diese Beispiele verfügbar.
⬤ Vertiefung der Bereiche diskrete und kontinuierliche Zustandsraummodelle und ökologische Statistik, einschließlich Methoden, die speziell für jeden dieser Bereiche entwickelt wurden.
Dieses Buch soll Parameterredundanz und Nicht-Identifizierbarkeit für ein breites Publikum zugänglich und verständlich machen, von Masterstudenten und Doktoranden über Forscher, Mathematiker und Statistiker bis hin zu Praktikern, die mathematische oder statistische Modelle verwenden.