À propos de cet e-book
Assume one has to estimate the mean J x P( dx) (or the median of P, or any other functional t;;(P)) on the basis ofi.i.d. observations from P. Ifnothing is known about P, then the sample mean is certainly the best estimator one can think of. If P is known to be the member of a certain parametric family, say {Po: {) E e}, one can usually do better by estimating {) first, say by {)(n)(.~.), and using J XPo(n)(;r.) (dx) as an estimate for J xPo(dx). There is an "intermediate" range, where we know something about the unknown probability measure P, but less than parametric theory takes for granted. Practical problems have always led statisticians to invent estimators for such intermediate models, but it usually remained open whether these estimators are nearly optimal or not. There was one exception: The case of "adaptivity", where a "nonparametric" estimate exists which is asymptotically optimal for any parametric submodel. The standard (and for a long time only) example of such a fortunate situation was the estimation of the center of symmetry for a distribution of unknown shape.
Donner une note à cet e-book
Dites-nous ce que vous en pensez.
Informations sur la lecture
Smartphones et tablettes
Installez l'application Google Play Livres pour Android et iPad ou iPhone. Elle se synchronise automatiquement avec votre compte et vous permet de lire des livres en ligne ou hors connexion, où que vous soyez.
Ordinateurs portables et de bureau
Vous pouvez écouter les livres audio achetés sur Google Play à l'aide du navigateur Web de votre ordinateur.
Liseuses et autres appareils
Pour lire sur des appareils e-Ink, comme les liseuses Kobo, vous devez télécharger un fichier et le transférer sur l'appareil en question. Suivez les instructions détaillées du Centre d'aide pour transférer les fichiers sur les liseuses compatibles.
