Um þessa rafbók
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.
Gefa þessari rafbók einkunn.
Segðu okkur hvað þér finnst.
Upplýsingar um lestur
Snjallsímar og spjaldtölvur
Settu upp forritið Google Play Books fyrir Android og iPad/iPhone. Það samstillist sjálfkrafa við reikninginn þinn og gerir þér kleift að lesa með eða án nettengingar hvar sem þú ert.
Fartölvur og tölvur
Hægt er að hlusta á hljóðbækur sem keyptar eru í Google Play í vafranum í tölvunni.
Lesbretti og önnur tæki
Til að lesa af lesbrettum eins og Kobo-lesbrettum þarftu að hlaða niður skrá og flytja hana yfir í tækið þitt. Fylgdu nákvæmum leiðbeiningum hjálparmiðstöðvar til að flytja skrár yfir í studd lesbretti.
