Книга написана на основании лекций, которые читались автором в течение многих лет на 3-м курсе математического факультета Новосибирского университета. Книга охватывает широкий круг вопросов, включающий в себя основания современной математической статистики, предельные теоремы для эмпирических распределений и основных типов статистик, основы теории оценок и теории проверки гипотез. Излагаются, в частности, методы отыскания оптимальных и асимптотически оптимальных процедур. Книга рассчитана на аспирантов и студентов математических и физических специальностей высших учебных заведений.

Первый из авторов монографии хорошо известен советским читателям по переводам других его книг на русский язык (см., например, Д. Кокс, У. Смит, Теория очередей, „Мир", 1966; Д. Кокс, П. Льюис, Статистический анализ последовательностей событий, „Мир", 1969). В новой книге дана сводка основных понятий и наиболее важных результатов современной математической статистики. Подробно рассмотрены теория проверки гипотез, теория оценивания, специальные главы посвящены критериям значимости, асимптотическим методам, байесовским моделям и теории статистических решений. Книга содержит большой фактический материал, изложение неформальное. Чтобы охватить более широкий круг вопросов, авторы приводят многие результаты без доказательств. Для чтения достаточно знакомства с теорией вероятностей в объеме втуза. Книга полезна студентам старших курсов, аспирантам и специалистам, занимающимся математической статистикой, а также широкому кругу научных работников и инженеров, использующих ее методы.

Первое на русском языке учебное пособие с упражнениями по курсу математической статистики. Оно принадлежит перу известных английских математиков и дополняет их же монографию «Теоретическая статистика» (М.: Мир, 1978). Позволяет ознакомиться как с конкретными приложениями общих статистических методов, так и с современными достижениями математической статистики. В книге около 150 задач с решениями. Книга рассчитана на преподавателей, аспирантов, студентов, специализирующихся в области математической статистики и ее приложений.

В книге рассматриваются способы анализа наблюдений методами математической статистики. Последовательно на языке, доступном специалисту - не математику, излагаются современные методы анализа распределений вероятностей, оценки параметров распределений, проверки статистических гипотез, оценки связей между случайными величинами, планирования статистического эксперимента. Основное внимание уделено пояснению примеров применения методов современной математической статистики. Книга предназначена для инженеров, исследователей, экономистов, медиков, аспирантов и студентов, желающих быстро, экономично и на высоком профессиональном уровне использовать весь арсенал современной математической статистики для решения своих прикладных задач.

Метод наименьших квадратов в настоящее время широко применяется при обработке количественных результатов естественнонаучных опытов, технических данных, астрономических и геодезических наблюдений и измерений. После классического труда А.А.Маркова на русском языке появилось некоторое число руководств, излагающих теорию этого метода (см., например, А.Ч.Чеботарёв, Н.И.Идельсон А.П.Ющенко). В них подробно изложена вычислительная сторона метода и указано много применений и примеров. Однако математико-статистическая сторона дела в них трактуется, в основном, в классическом духе прошлого века, без учета современных идей и достижений математической статистики, в которую метод наименьших квадратов может быть естественно включен как часть теории оценивания параметров. Исключение составляет небольшая книга В. И. Романовского но она затрагивает лишь часть метода наименьших квадратов (и к тому же в изложении ее имеется ряд досадных теоретических неточностей). Между тем применение современной математической статистики позволяет более полно и точно использовать информацию, извлекаемую из наблюдений методом наименьших квадратов, и глубже понять смысл и значение данных, полученных этим методом. Таким образом, оно полезно как практически, так и теоретически. Настоящая книга представляет изложение теории метода наименьших квадратов с упором на математико-статистический смысл получаемых по этому методу данных (что, разумеется, имеет смысл лишь при естественном предположении о том, что погрешности измерений можно рассматривать как случайные величины). Излагаются также основные вычислительные приемы метода (в § 12 гл. VI и в многочисленных примерах). После введения, содержащего ряд практических примеров и догматическое применение к ним метода наименьших квадратов, в главах I, И, III вкратце излагаются необходимые сведения из алгебры, теории вероятностей и математической статистики, включая элементы современной теории оценивания параметров.

Книга посвящена некоторым статистическим задачам, связанным с вероятностными распределениями на окружности, которые имеют большое прикладное значение, например, в спектроскопии, геодезии, навигации и т. д. Книга представляет собой обстоятельное монографическое пособие, предназначенное как для практиков, так и для лиц, интересующихся вопросами вероятностных и статистических задач, имеющих связь с распределениями на окружности.

Т. 1. - 1983. - 312 с.

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

Книга представляет собой введение в курс вейвлет-анализа, имеющего приложение в теории временных рядов, методах распознавания образов и пр. Она является одним из лучших введений в эту область современной математики, за эту книгу Ингрид Добеши была награждена премией Лероя Стила Американского Математического Общества. Предназначена для студентов, аспирантов, а также будет полезна преподавателям и научным сотрудникам.

Монография американских ученых, рассчитанная на читателей, знакомых с основами математической статистики, но не имеющих опыта работы с ЭВМ и не знающих программирования. Изложение ориентировано на применение пакетов прикладных программ, приведены примеры из биологии, медицины, гуманитарных наук. Для математиков-прикладников, научных работников, использующих статистический анализ, для аспирантов и студентов университетов.

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.

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.

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.

The Mathematics Subject Classification (MSC) is an alphanumerical classification scheme collaboratively produced by staff of and based on the coverage of the two major mathematical reviewing databases, Mathematical Reviews and Zentralblatt MATH. It is used by many mathematics journals, which ask authors of research papers and expository articles to list subject codes from the Mathematics Subject Classification in their papers.

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.)

This reference offers explanations of statistical ideas, techniques, formulas, and calculations, and includes examples that show how these concepts apply to your everyday life