Ce manuel d’étude de Larry Wasserman traite de sujets modernes en inférence non paramétrique. Il propose une introduction concise à des méthodes telles que l’estimation de densité, la régression non paramétrique, le bootstrapping et les ondelettes. Cet ouvrage de référence convient aux étudiants de master et de doctorat en statistique et en informatique, ainsi qu’aux chercheurs qui souhaitent acquérir rapidement une compréhension des techniques non paramétriques actuelles.
Table des matières
Il existe de nombreux livres portant sur divers aspects de l’inférence non paramétrique, mais peu regroupent ces thèmes de manière claire dans un seul ouvrage. Ce livre vise une introduction générale sans démonstrations mathématiques approfondies, afin que le lecteur comprenne rapidement les concepts de base familiers. Des sujets tels que la classification et l’inférence bayésienne non paramétrique ne sont pas abordés en raison de leur ampleur. Le texte est basé sur un cours de vingt heures destiné principalement aux étudiants de master.
Spécifications du produit
- Auteur : Larry Wasserman
- Série : Springer Texts in Statistics
- Éditeur : Springer-Verlag New York Inc.
- Date de publication : 2005-10-21
- Nombre de pages : 270
- ISBN : 9780387251455
- Thème : Probability and statistics
- BISAC : MATHEMATIQUES / Probabilité & Statistiques / Général