INNE EBOOKI AUTORA
Autor:
Format:
ibuk
Statystka jest gałęzią matematyki stosowaną do analizy i interpretacji tego co obserwujemy i mierzymy w celu nadania sensu obserwacjom i pomiarom, które są numeryczne i nazywane danymi.
Książka ta zajmuje się wnioskowaniem statystycznym i zawiera podstawowe elementy statystyki opisowej. Przedstawia fundamentalne pojęcia, narzędzia, idee i twierdzenia, które są niezbędne w badaniach statystycznych i tworzą podstawy statystycznego wnioskowania. Opisuje teorię i konstrukcje estymatorów i statystyk z wykorzystaniem ich w estymacji punktowej, estymacji przedziałowej i testach statystycznych. Wprowadza i analizuje podstawowe testy parametryczne i nieparametryczne. Książka zawiera wiele przykładów i zadań ukierunkowanych na zjawiska i problemy ekonomiczne i jest przeznaczona dla studentów ekonomii, nauczycieli akademickich i dla każdego z zamiłowaniem do modelowania zjawisk losowych. Tak więc przeczytaj uważnie tę książkę i przyjmij lub odrzuć hipotezę postawioną przez Marka Twaina: ,,Są kłamstwa, wielkie kłamstwa i statystyka’’.
Rok wydania | 2014 |
---|---|
Liczba stron | 96 |
Kategoria | Inne |
Wydawca | Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu |
ISBN-13 | 978-83-7695-355-7 |
Numer wydania | 1 |
Język publikacji | angielski |
Informacja o sprzedawcy | ePWN sp. z o.o. |
INNE EBOOKI AUTORA
POLECAMY
Ciekawe propozycje
Koniec świata to dopiero początek....
do koszyka
Logistyka 3/2024
do koszyka
Rynek i ratusz
do koszyka
Paradoks produktywności. Jak czerpać...
do koszyka
Mniej znaczy lepiej
do koszyka
Inwestowanie indeksowe. Instrumenty...
do koszyka
Spis treści
1. Basic distributions 9 | |
1.1 Discrete random variables | 9 |
1.2 Continuous random variables | 12 |
1.2.1 Normal distribution | 14 |
1.2.2 Log-normal distribution | 17 |
1.2.3 Chi-square distribution | 17 |
1.2.4 Student distribution | 18 |
1.3 Distribution of the sum of independent normal random variables | 19 |
1.4 Exercises | 20 |
2. Basic notions of statistics 23 | |
2.1 Definitions and examples | 23 |
2.2 Exercises | 28 |
3. Chebyshev's inequality and the law of large numbers 32 | |
3.1 Chebyshev's inequality | 32 |
3.2 The law of large numbers | 34 |
3.3 Exercises | 35 |
4. Central limit theorem 38 | |
4.1 Exercises | 40 |
5. Parameter estimation 42 | |
5.1 Point estimation | 42 |
5.2 Constructions of estimators | 46 |
5.2.1 Method of moments | 47 |
5.2.2 Method of maximum likelihood | 48 |
5.3 Exercises | 50 |
5.4 Interval estimation | 52 |
5.5 Exercises | 56 |
6. Hypothesis testing 58 | |
6.1 Testing mean | 60 |
6.2 Exercises | 62 |
6.3 Testing variance | 64 |
6.4 Exercises | 66 |
6.5 Testing two means | 67 |
6.6 Testing two variances | 70 |
6.7 Exercises | 72 |
6.8 Testing non-parametric hypotheses | 73 |
6.8.1 The chi-square goodness of fit test | 73 |
6.8.2 The Kolmogorov goodness of fit test | 76 |
6.9 Testing independence | 77 |
6.10 Exercises | 79 |