Many physical processes are difficult or even impossible to study by conventional experimental methods. As computing power has increased, it has become possible to model some of these processes by sophisticated computer code. In such cases, the code can serve as a proxy for the physical process. As in a physical experiment, one can vary the inputs to the code and observe how the process output is affected. Such studies are called computer experiments and are becoming increasingly popular surrogates for, and adjuncts to, physical experiments. Much of the methodology for designing, modeling, and analyzing computer experiments can be found only in research papers. The goal of this book is to make these methods accessible to a more general audience. To accomplish this, we have tried to keep the mathematics at a level that will be understandable to readers with Masters level training in Statistics. This has been a challenging task. For example, Gaussian process models are a popular way to describe the output of computer experiments, but Gaussian process models are mathematically complex and likely to be unfamiliar to many readers. We provide an introduction to these models and present references for those who wish to study additional mathematical details of such processes. In other chapters, we relegate mathematical details to notes at the chapter end. To make the book more useful for practitioners, we provide software that can be used to fit the models discussed in the book. Instructions for using the software are included in an Appendix. Examples of the use of the software are interspersed throughout the book. As the software is updated, new versions (and an expanded user's manual) will be put on line through the book web site.)

Рассказывается о фундаментальном принципе естественных наук — требовании многократной воспроизводимости предсказываемого экспериментального результата. С точки зренич этого принципа прослеживается логика построения исходных концепций прикладной теории вероятностей н критически анализируются типичные положения математической статистики. Излагается альтернатива этим положениям, нашедшая свое математическое оформление в подходе Р. Мизеса. Брошюра рассчитана на широкий круг читателей, интересующихся математической статистикой.

Монография посвящена проблеме восстановления зависимостей по эмпирическим данным. В ней исследуется метод минимизации риска на выборках ограниченного объема, согласно которому при восстановлении функциональной зависимости следует выбирать такую функцию, которая удовлетворяет определенному компромиссу между величиной, характеризующей ее «сложность», и величиной, характеризующей степень ее приближения к совокупности эмпирических данных.

Книга содержит изложение теории и практики дисперсионного анализа, снабженное большим числом подробно рассмотренных примеров и задач для самостоятельного решения. На русском языке нет ни одного столь подробного и систематического изложения дисперсионного анализа — одного из наиболее распространенных методов обработки статистических данных в различных прикладных областях.

В книге в простой и доступной форме рассказывается о логических основаниях математической теории планирования эксперимента. Рассматривается связь между различными критериями, дающими представление о том, что есть хороший эксперимент. Показывается реалистичность теории: она охватывает, правда, на разном уровне формализации все многообразие задач экспериментальных исследований от четкой их постановки до совсем размытой. Новые главы посвящены проблемам построения моделей, нелинейных по параметрам, и роли математических моделей в научных исследованиях. Предназначается для широкого круга специалистов — всех тех, кто непосредственно имеет дело с проведением опытных исследований, в какой бы области они ни проводились, и в первую очередь для металлургов.

В первых главах монографии изложены основные понятия параметрической и непараметрической статистики, включая понятия оценки, а также требования, предъявляемые к свойствам оценок с точки зрения их вычисления при обработке данных на компьютере. В 7-13 главах монографии изложены методы и алгоритмы восстановления регрессионных зависимостей, включая методы прогнозирования и решения задач планирования оптимальных экспериментов. Предполагается, что читатель предварительно освоил курс теории вероятностей и математической статистики на базе, например, книги В.С Пугачева "Теория вероятностей и математическая статистика". В монографии представлены некоторые новые методы робастного оценивания и учета априорной информации, включая алгоритмы их численной реализации. Основная цель монографии — ознакомить читателя с наиболее эффективными и апробированными классическими и новыми статистическими методами оценки и восстановления, научить использовать эти методы при решении конкретных задач обработки неопределенных данных. Монография предназначена научным работникам, аспирантам, студентам старших курсов различных специальностей.

Книга выдающегося шведского математика Г. Крамера «Математические методы статистики» — классическое руководство по этой дисциплине. Впервые на русском языке она была издана в 1948 г. и сыграла большую роль в развитии теоретических работ по математической статистике, а также в повышении уровня прикладных работ. Собственно математической статистике посвящена третья (последняя) часть книги, а ее вторая часть до сих пор является одним из лучших учебных пособий по теории вероятностей. Книга необходима всем изучающим математическую статистику

Т. 1. - 1983. - 312 с.

В данном пособии в отличие от аналогичных изданий процедуры применения сложных методов многомерного анализа рассматриваются по шагам на конкретных, а не на абстрактных примерах (их представлено в книге более 150). Каждая из пяти тем пособия включает вводные замечания, типологию решаемых задач, задачи для самостоятельных занятий, тесты и вопросы для самоконтроля. Примеры решения большеразмерных задач приведены с применением пакетов электронной обработки данных, в частности пакетов SAS, Statistica, Stadia, Statgraphics. Для студентов, аспирантов и специалистов, занимающихся статистическими вычислениями повышенной сложности.

Учебное пособие подготовлено на кафедре статистики и ЭММ ОГУ и включает разделы: 1. Статистические методы и модели; 2. Статистическая обработка информации.

Учебное пособие содержит материалы по дискриминантному, факторному, регрессионному анализу, анализу соответствия и теории временных рядов. Изложены подходы к задачам многомерного шкалирования и некоторым другим задачам многомерной статистики.

Для чтения достаточно знаний математики в объеме средней школы. Может быть полезно тем, кто уже изучил математическую статистику, поскольку исходным моментом в нем является не математика, а эксперимент. Во 2 части пособия подробно описан реальный эксперимент — от появления идеи и проблем постановки эксперимента до получения результатов и обработки данных, что позволяет получить менее формализованное представление о применении математической статистики.

В монографии изложены методы прикладной статистики для обработки экспериментальных данных и реализующие их 60 программ. Кроме методов оценки основных статистических характеристик — среднего, дисперсии, ит. д. и корреляционно-регрессионного анализа, дано изложение однофакторного и двухфакторного дисперсионного анализа, а также ковариационного анализа. Несколько глав посвящены методам проверки гипотез о векторах средних, дискриминантному анализу и методу главных компонент. Использование методов и программ иллюстрируется более чем 100 задачами с решениями из области биологии, медицины, ботаники, геологии, полупроводниковой электроники, сельского хозяйства, экономики, социологии, гидрометеорологии, химии, психологии и т. д. Для студентов и специалистов, желающих научиться эффективному применению ПМК в обработке экспериментальных данных.

В книге рассматриваются сущность и методы математического обеспечения обработки результатов измерений, базирующихся на применении теории вероятностей, элементов математической статистики применительно к метрологии. Дается анализ погрешностей, возникающих при проведении измерений, и способы их учета. Основные теоретические положения иллюстрируются примерами. Приведены справочные таблицы распределения случайных величин. Изложение сведений из теории вероятностей и математической статистики ограничено лишь элементарными сведениями, которые, однако, в приложении к метрологии позволяют построить достаточно обоснованную теорию математической обработки результатов измерений, обеспечивающую заданную точность вычислений. По вполне очевидным соображениям не имеется возможности остановиться на анализе различных трактовок основных понятий и определений теории вероятностей и математической статистики, поэтому проводятся лишь те, которые при элементарном изложении, с одной стороны, наиболее доходчивы и понятны и позволяют решать поставленную задачу, с другой. Все основные теоретические положения проиллюстрированы соответствующими примерами. Книга предназначена для учащихся средних специальных учебных заведений, а также может быть полезно специалистам различных отраслей народного хозяйства, занимающихся измерениями.

Книга посвящена планированию эксперимента и методам статистического анализа данных. Рассмотрено планирование однофакторных, факторных, гнездовых (иерархических) и оптимизационных экспериментов. Изложены методы дисперсного, регрессивного и ковариационного анализа. Книга снабжена многочисленными примерами, таблицами и графиками, необходимыми для решения практических задач. Книга предназначена для инженерно-технических работников предприятий и отраслевых НИИ, а также студентов вузов и аспирантов.

Планирование эксперимента — новая научная дисциплина. Она применяется для решения широкого круга задач: построения интерполяционных моделей, изучения кинетики и механизма явлений, оптимизации процессов и др. Наибольшее практическое значение имеет оптимизация процессов (планирование экстремальных экспериментов). Этому направлению и посвящена монография. Она представляет собой вводный курс по планированию эксперимента при поиске оптимальных условий. Рассчитана на научных и инженерно-технических работников.

В книге, написанной научным директором компании StatSoft Russia, изложена концепция и технология современного анализа данных на компьютере. На основе элементарных понятий описываются углубленные методы анализа в системе STATISTICA (StatSoft), иллюстрированные многочисленными примерами из экономики, маркетинга, рекламы, бизнеса, медицины, промышленности и других областей. Большое внимание уделяется основным понятиям анализа данных, разведочному анализу данных, группировке, анализу и построению таблиц — важным этапам анализа данных, на которых формируются и проверяются гипотезы о структуре данных и связях между ними.

Книга посвящена методам предварительного статистического анализа данных и построения модели реального явления, характеризуемого этими данными. Приводятся сведения по теории вероятностей и математической статистике, освещаются вопросы программной реализации излагаемых методов. Для статистиков, экономистов, математиков и других специалистов, использующих методы статистической обработки данных.