Fundamental Statistical Inference

A Computational Approach
 Buch
Sofort lieferbar | Lieferzeit:3-5 Tage I

119,79 €*

Alle Preise inkl. MwSt. | zzgl. Versand
ISBN-13:
9781119417866
Einband:
Buch
Erscheinungsdatum:
24.08.2018
Seiten:
564
Autor:
Marc S. Paolella
Gewicht:
992 g
Format:
251x174x35 mm
Serie:
Wiley Series in Probability and Statistics
Sprache:
Englisch
Beschreibung:

Preface xi

PART I ESSENTIAL CONCEPTS IN STATISTICS

1 Introducing Point and Interval Estimation 3

1.1 Point Estimation / 4

1.1.1 Bernoulli Model / 4

1.1.2 Geometric Model / 6

1.1.3 Some Remarks on Bias and Consistency / 11

1.2 Interval Estimation via Simulation / 12

1.3 Interval Estimation via the Bootstrap / 18

1.3.1 Computation and Comparison with Parametric Bootstrap / 18

1.3.2 Application to Bernoulli Model and Modification / 20

1.3.3 Double Bootstrap / 24

1.3.4 Double Bootstrap with Analytic Inner Loop / 26

1.4 Bootstrap Confidence Intervals in the Geometric Model / 31

1.5 Problems / 35

2 Goodness of Fit and Hypothesis Testing 37

2.1 Empirical Cumulative Distribution Function / 38

2.1.1 The Glivenko-Cantelli Theorem / 38

2.1.2 Proofs of the Glivenko-Cantelli Theorem / 41

2.1.3 Example with Continuous Data and Approximate Confidence Intervals / 45

2.1.4 Example with Discrete Data and Approximate Confidence Intervals / 49

2.2 Comparing Parametric and Nonparametric Methods / 52

2.3 Kolmogorov-Smirnov Distance and Hypothesis Testing / 57

2.3.1 The Kolmogorov-Smirnov and Anderson-Darling Statistics / 57

2.3.2 Significance and Hypothesis Testing / 59

2.3.3 Small-Sample Correction / 63

2.4 Testing Normality with KD and AD / 65

2.5 Testing Normality with W² and U² / 68

2.6 Testing the Stable Paretian Distributional Assumption: First Attempt / 69

2.7 Two-Sample Kolmogorov Test / 73

2.8 More on (Moron?) Hypothesis Testing / 74

2.8.1 Explanation / 75

2.8.2 Misuse of Hypothesis Testing / 77

2.8.3 Use and Misuse of p-Values / 79

2.9 Problems / 82

3 Likelihood 85

3.1 Introduction / 85

3.1.1 Scalar Parameter Case / 87

3.1.2 Vector Parameter Case / 92

3.1.3 Robustness and the MCD Estimator / 100

3.1.4 Asymptotic Properties of the Maximum Likelihood Estimator / 102

3.2 Cramér-Rao Lower Bound / 107

3.2.1 Univariate Case / 108

3.2.2 Multivariate Case / 111

3.3 Model Selection / 114

3.3.1 Model Misspecification / 114

3.3.2 The Likelihood Ratio Statistic / 117

3.3.3 Use of Information Criteria / 119

3.4 Problems / 120

4 Numerical Optimization 123

4.1 Root Finding / 123

4.1.1 One Parameter / 124

4.1.2 Several Parameters / 131

4.2 Approximating the Distribution of the Maximum Likelihood Estimator / 135

4.3 General Numerical Likelihood Maximization / 136

4.3.1 Newton-Raphson and Quasi-Newton Methods / 137

4.3.2 Imposing Parameter Restrictions / 140

4.4 Evolutionary Algorithms / 145

4.4.1 Differential Evolution / 146

4.4.2 Covariance Matrix Adaption Evolutionary Strategy / 149

4.5 Problems / 155

5 Methods of Point Estimation 157

5.1 Univariate Mixed Normal Distribution / 157

5.1.1 Introduction / 157

5.1.2 Simulation of Univariate Mixtures / 160

5.1.3 Direct Likelihood Maximization / 161

5.1.4 Use of the EM Algorithm / 169

5.1.5 Shrinkage-Type Estimation / 174

5.1.6 Quasi-Bayesian Estimation / 176

5.1.7 Confidence Intervals / 178

5.2 Alternative Point Estimation Methodologies / 184

5.2.1 Method of Moments Estimator / 185

5.2.2 Use of Goodness-of-Fit Measures / 190

5.2.3 Quantile Least Squares / 191

5.2.4 Pearson Minimum Chi-Square / 193

5.2.5 Empirical Moment Generating Function Estimator / 195

5.2.6 Empirical Characteristic Function Estimator / 198

5.3 Comparison of Methods / 199

5.4 A Primer on Shrinkage Estimation / 200

5.5 Problems / 202

PART II FURTHER FUNDAMENTAL CONCEPTS IN STATISTICS

6 Q-Q Plots and Distribution Testing 209

6.1 P-P Plots and Q-Q Plots / 209

6.2 Null Bands / 211

6.2.1 Definition and Motivation / 211

6.2.2 Pointwise Null Bands via Simulation / 212

6.2.3 Asymptotic Approximation of Pointwise Null Bands / 213

6.2.4 Mapping Pointwise and Simultaneous Significance Levels / 215

6.3 Q-Q Test / 217

6.4 Further P-P and Q-Q Type Plots / 219

6.4.1 (Horizontal) Stabilized P-P Plots / 219

6.4.2 Modified S-P Plots / 220

6.4.3 MSP Test for Normality / 224

6.4.4 Modified Percentile (Fowlkes-MP) Plots / 228

6.5 Further Tests for Composite Normality / 231

6.5.1 Motivation / 232

6.5.2 Jarque-Bera Test / 234

6.5.3 Three Powerful (and More Recent) Normality Tests / 237

6.5.4 Testing Goodness of Fit via Binning: Pearson's X P² Test / 240

6.6 Combining Tests and Power Envelopes / 247

6.6.1 Combining Tests / 248

6.6.2 Power Comparisons for Testing Composite Normality / 252

6.6.3 Most Powerful Tests and Power Envelopes / 252

6.7 Details of a Failed Attempt / 255

6.8 Problems / 260

7 Unbiased Point Estimation and Bias Reduction 269

7.1 Sufficiency / 269

7.1.1 Introduction / 269

7.1.2 Factorization / 272

7.1.3 Minimal Sufficiency / 276

7.1.4 The Rao-Blackwell Theorem / 283

7.2 Completeness and the Uniformly Minimum Variance Unbiased Estimator / 286

7.3 An Example with i.i.d. Geometric Data / 289

7.4 Methods of Bias Reduction / 293

7.4.1 The Bias-Function Approach / 293

7.4.2 Median-Unbiased Estimation / 296

7.4.3 Mode-Adjusted Estimator / 297

7.4.4 The Jackknife / 302

7.5 Problems / 305

8 Analytic Interval Estimation 313

8.1 Definitions / 313

8.2 Pivotal Method / 315

8.2.1 Exact Pivots / 315

8.2.2 Asymptotic Pivots / 318

8.3 Intervals Associated with Normal Samples / 319

8.3.1 Single Sample / 319

8.3.2 Paired Sample / 320

8.3.3 Two Independent Samples / 322

8.3.4 Welch's Method for my1 - my2 when sigma1²
Praxisorientiertes Fachbuch der Interferenzstatistik mit den neuesten Entwicklungen aus diesem ständig wachsenden Wissensgebiet.
Dieses übersichtlich und zugängliche Fachbuch richtet sich an Studenten höherer Semester, präsentiert die Interferenzstatistik ausführlich und praxisorientiert und stellt Ergebnisableitungen sowie MATLAB-Programme umfassend dar, ergänzt um Erläuterungen. Besonderes Augenmerk liegt auf einzelnen bedeutenden Aspekten, auf einer intuitiven Herangehensweise und auf Diskussionen. Der Blick auf die Interferenzstatistik ist dabei überaus modern. Inhalte neben den klassischen Themen rund um die mathematische Statistik: intuitive Präsentation von Einfach-/Doppel-Bootstraps bei der Berechnung von Konfidenzintervallen, Schrumpfungsschätzung, Schätzung des maximalen Moments sowie eine Vielzahl vom Methoden der Punktschätzung, maximale Wahrscheinlichkeit, Anwendung von charakteristischen Funktionen und indirekte Interferenz. Zu allen Methoden gibt es praktische Beispiele. Ausführlich behandelt werden Schätzprobleme und deren Lösung in Verbindung mit der diskreten Mischung bei Normalverteilungen. Durchgängig liegt der Schwerpunkt auf nicht-Gaußschen Verteilungen, einschließlich der ausführlichen Behandlung der stabilen Pareto-Verteilung und der schnellen Berechnung von nicht-zentralen Student-t-Tests. Ein komplettes Kapitel widmet sich der Optimierung, darunter der Entwicklung von Hessian-Methoden, heuristische/genetische Algorithmen, die keine Kontinuität erfordern. Die entsprechenden MATLAB-Codes werden zur Verfügung gestellt. Der Fokus liegt auch auf Berechnungen, die das Thema greifbar und für die Studierenden zugänglich machen.