×
Dodano do koszyka:
Pozycja znajduje się w koszyku, zwiększono ilość tej pozycji:
Zakupiłeś już tę pozycję:
Książkę możesz pobrać z biblioteki w panelu użytkownika
Pozycja znajduje się w koszyku
Przejdź do koszyka

Zawartość koszyka

ODBIERZ TWÓJ BONUS :: »

Statystyki pozycyjne w procedurach estymacji i ich zastosowania w badaniach ekonomicznych Dorota Pekasiewicz

(ebook) (audiobook) (audiobook)
Autor:
Dorota Pekasiewicz
Ocena:
Bądź pierwszym, który oceni tę książkę
Stron:
287
Dostępny format:
     PDF
Czytaj fragment

Monografia poświęcona jest parametrycznym i nieparametrycznym procedurom estymacji wykorzystującym statystyki pozycyjne. Opracowane metody mają istotne znaczenie w sytuacjach, gdy klasyczne parametry i ich estymatory nie mogą być stosowane. Opisano charakterystyki funkcyjne, w tym rozkłady graniczne statystyk pozycyjnych, metody szacowania parametrów funkcji gęstości zmiennych losowych, estymatory parametrów pozycyjnych, takich jak kwantyle oraz dominanta i metody estymacji wykorzystywane w analizach zjawisk ekstremalnych. Oprócz znanych procedur estymacji przedstawione zostały nowe propozycje, które w określonych sytuacjach stanowią lepsze narzędzia analiz statystycznych. Otrzymane wyniki badań własności estymatorów wskazują na praktyczne zastosowania analizowanych procedur, w szczególności autorskich modyfikacji. Podano również przykłady zastosowań statystyk pozycyjnych w takich obszarach badań ekonomicznych, jak analizy dochodów i wydatków gospodarstw domowych, estymacja miar ryzyka rynkowego i ubezpieczeniowego oraz statystyczna kontrola jakości. 

Wybrane bestsellery

Wydawnictwo Uniwersytetu Łódzkiego - inne książki

Zamknij

Przenieś na półkę

Proszę czekać...
ajax-loader

Zamknij

Wybierz metodę płatności

Ebook
0,00 zł
Dodaj do koszyka
Zamknij Pobierz aplikację mobilną Ebookpoint
Zabrania się wykorzystania treści strony do celów eksploracji tekstu i danych (TDM), w tym eksploracji w celu szkolenia technologii AI i innych systemów uczenia maszynowego. It is forbidden to use the content of the site for text and data mining (TDM), including mining for training AI technologies and other machine learning systems.