Avis des lecteurs
Résumé:Numerical Analysis for Statisticians de Kenneth Lange est un texte très apprécié qui fournit une couverture complète des fondements mathématiques nécessaires aux statistiques numériques. Bien que certains critiques l'aient trouvé trop mathématique, le livre est loué pour sa profondeur et sa clarté dans l'explication des méthodes clés de calcul statistique. Les lecteurs apprécient sa pertinence à la fois pour les cours de troisième cycle et comme référence pour les chercheurs en statistiques, mais ils notent qu'il faut faire attention à choisir la bonne édition pour éviter toute confusion avec des versions plus anciennes.
Avantages:Couverture complète des concepts mathématiques essentiels à l'analyse statistique. Un style d'écriture attrayant qui captive les lecteurs. Inclusion de méthodes statistiques modernes telles que le MCMC, le rééchantillonnage et l'analyse propre. Convient pour les cours de troisième cycle et comme référence professionnelle. Nombreux sont ceux qui trouvent que la deuxième édition s'est considérablement améliorée par rapport à la première.
Inconvénients:Certains lecteurs estiment que le livre omet des détails importants et qu'il s'agit davantage d'un traité mathématique que d'un guide pratique d'algorithmes, nécessitant des documents supplémentaires pour une compréhension complète. Problèmes liés à l'achat de la première édition au lieu de la deuxième édition sur Kindle et préoccupations concernant le prix de l'ebook.
(basé sur 5 avis de lecteurs)
Titre original :
Numerical Analysis for Statisticians
Contenu du livre :
Chaque progrès de l'architecture informatique et des logiciels incite les statisticiens à s'attaquer à des problèmes numériquement plus difficiles. Pour le faire intelligemment, il faut une bonne connaissance pratique de l'analyse numérique.
Ce livre permet aux étudiants de créer leur propre logiciel et de comprendre les avantages et les inconvénients des différentes méthodes numériques. Les questions de stabilité numérique, d'approximation précise, de complexité de calcul et de modélisation mathématique se partagent la vedette dans une vue d'ensemble large mais rigoureuse des parties de l'analyse numérique les plus pertinentes pour les statisticiens. Dans cette deuxième édition, le matériel sur l'optimisation a été complètement réécrit.
Il y a maintenant un chapitre entier sur l'algorithme MM en plus de traitements plus complets de l'optimisation avec contraintes, des méthodes de pénalité et de barrière, et de la sélection de modèle via le lasso. Il y a également du nouveau matériel sur la décomposition de Cholesky, l'orthogonalisation de Gram-Schmidt, la décomposition QR, la décomposition des valeurs singulières et les espaces de Hilbert à noyau reproductible.
Les discussions sur le bootstrap, les tests de permutation, le Monte Carlo indépendant et les chaînes de Markov cachées ont été mises à jour, et un nouveau chapitre sur les sujets MCMC avancés présente aux étudiants les champs aléatoires de Markov, le MCMC à sauts réversibles et l'analyse de convergence dans l'échantillonnage de Gibbs. Numerical Analysis for Statisticians peut servir de texte pour un cours de statistiques computationnelles. Avec une sélection minutieuse des sujets et des compléments appropriés, il peut être utilisé au niveau du premier cycle universitaire.
Il contient suffisamment de matériel pour un cours de troisième cycle sur la théorie de l'optimisation. Comme de nombreux chapitres sont presque autonomes, les statisticiens professionnels trouveront également ce livre utile en tant que référence.
Autres informations sur le livre :
| ISBN : | 9781461426127 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
