Analiza numeryczna dla statystyków

Opinie czytelników

Numerical Analysis for Statisticians autorstwa Kennetha Lange'a to wysoko ceniony tekst, który zapewnia kompleksowe omówienie podstaw matematycznych potrzebnych do statystyki numerycznej. Choć niektórzy recenzenci uznali ją za nadmiernie matematyczną, książka jest chwalona za głębię i przejrzystość w wyjaśnianiu kluczowych metod obliczeń statystycznych. Czytelnicy doceniają jej przydatność zarówno na kursach dla absolwentów, jak i jako odniesienie dla badaczy statystycznych, ale należy pamiętać, że należy zwrócić szczególną uwagę na wybór właściwego wydania, aby uniknąć pomyłki ze starszymi wersjami.

Kompleksowe omówienie pojęć matematycznych niezbędnych do analizy statystycznej. Wciągający styl pisania, który przyciąga czytelników. Uwzględnienie nowoczesnych metod statystycznych, takich jak MCMC, ponowne próbkowanie i analiza własna. Nadaje się na kursy dla absolwentów i jako profesjonalne źródło informacji. Wiele osób uważa, że drugie wydanie jest znacznie lepsze od pierwszego.

Niektórzy czytelnicy uważają, że książka pomija ważne szczegóły i jest bardziej traktatem matematycznym niż praktycznym przewodnikiem po algorytmach, wymagającym dodatkowych materiałów do pełnego zrozumienia. Problemy z zakupem pierwszego wydania zamiast drugiego na Kindle i obawy dotyczące cen ebooków.

(na podstawie 5 opinii czytelników)

Oryginalny tytuł:

Numerical Analysis for Statisticians

Zawartość książki:

Każdy postęp w architekturze komputerowej i oprogramowaniu kusi statystyków do rozwiązywania trudniejszych problemów numerycznych. Aby robić to inteligentnie, potrzebna jest dobra znajomość analizy numerycznej.

Książka ta wyposaża studentów w umiejętność tworzenia własnego oprogramowania oraz rozumienia zalet i wad różnych metod numerycznych. Kwestie stabilności numerycznej, dokładnej aproksymacji, złożoności obliczeniowej i modelowania matematycznego znajdują się w centrum uwagi w szerokim, ale rygorystycznym przeglądzie tych części analizy numerycznej, które są najbardziej istotne dla statystyków. W tym drugim wydaniu materiał dotyczący optymalizacji został całkowicie przeredagowany.

Jest teraz cały rozdział poświęcony algorytmowi MM, a także bardziej kompleksowe podejście do optymalizacji z ograniczeniami, metod kar i barier oraz wyboru modelu za pomocą lasso. Pojawił się także nowy materiał na temat dekompozycji Cholesky'ego, ortogonalizacji Grama-Schmidta, dekompozycji QR, dekompozycji wartości osobliwych i odtwarzania jądra przestrzeni Hilberta.

Dyskusje na temat bootstrapu, testowania permutacji, niezależnego Monte Carlo i ukrytych łańcuchów Markowa zostały zaktualizowane, a nowy rozdział poświęcony zaawansowanym tematom MCMC wprowadza studentów w losowe pola Markowa, odwracalny skok MCMC i analizę zbieżności w próbkowaniu Gibbsa. Numerical Analysis for Statisticians może służyć jako tekst dla absolwentów kursu badającego statystyki obliczeniowe. Dzięki starannemu doborowi tematów i odpowiednim uzupełnieniom może być stosowany na poziomie licencjackim.

Zawiera wystarczającą ilość materiału na kurs magisterski z teorii optymalizacji. Ponieważ wiele rozdziałów jest prawie samodzielnych, profesjonalni statystycy również uznają tę książkę za przydatną jako odniesienie.