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 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.

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.)

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.

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

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 представляет собой второй том трехтомного курса статистики М. Кендалла и А. Стьюарта, первый том которого вышел в 1966 г. под названием «Теория распределений; ». В книге содержатся сведения по теории оценивания, проверки гипотез, анализу корреляции, регрессии, непараметрическим методам, последовательному анализу.

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.

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.

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.

Работа представляет собой обзор статистических аспектов построения имитационных моделей. Второй выпуск включает гл. IV-VI. Предмет IV главы - планирование и анализ эксперимента; предмет V главы - исследование соотношения между объемом выборки и надежностью оценок; в главе VI рассматриваются способы применения ранее основанных методов. Книга предназначена для научных работников, занимающихся построением моделей в экономике. Она может быть полезна также преподавателям статистических дисциплин, аспирантам, студентам старших курсов.

Во 2-м издании пособия (1-е - 1982 г.) изложены основные методы обработки опытных данных. Подробно описаны способы предварительной обработки результатов наблюдений. Рассмотрены статистические методы построений эмпирических формул, метод максимума правдоподобия, метод средних и конфлюэнтный анализ. Освещена методика планирования и обработки активных экспериментов. Даны основы дисперсионного анализа.

Книга известных американских специалистов в области математической статистики, посвященная вопросам обработки данных и планирования эксперимента. Рассмотрены техника дисперсионного, последовательного н дискриминантного анализа, комбинаторные и ротатабельные планы, методы факторного планирования и выборочных исследований. Для специалистов, применяющих методы математической статистики и теории планирования эксперимента, а также для студентов вузов и аспирантов.

Труды Р. А. Фишера оказали большое влияние на развитие математической статистики. Поэтому Госстатиздат выпускает книгу Р. А. Фишера «Статистические методы для исследователей». Автор этой книги является видным английским теоретиком математической статистики. Он в течение многих лет работал руководителем статистической лаборатории Ротамстедской опытной станции (Англия). Данная книга, как указывает автор в предисловии, создавалась в результате его сотрудничества с биологами-экспериментаторами.