Bertrand S.克拉克。;詹妮弗·克拉克。 预测统计。超越模型的分析和推断。 (英语) Zbl 1431.62003年 剑桥统计与概率数学系列46.剑桥:剑桥大学出版社(ISBN 978-1-107-02828-9/hbk;978-1-139-23600-3/电子书)。xiii,642页。(2018). 本书介绍了可用于预测的主要模型。本书试图更多地关注预测因子的数据和性能,而不是模型的拟合或解释。这本书由三个部分组成,每个部分有几个章节。第一部分介绍了基于预测的统计方法。频繁性、贝叶斯方法、调查抽样和预测主义方法以实例和形式呈现。随后讨论了模型和预报器类的问题、模型解释和建模的主要危险。本部分结束时线性回归、分位数回归、logistic回归和最近的邻居从预测的角度提出了方法。第二部分五个统计领域时间序列,纵向模型,生存分析,非参数方法和型号选择主要侧重于预测。有许多模型可以被视为时间序列作者从著名的经典分解模型开始;该模型的两个目标是去趋势化和去季节化离散时间内的观测值。然后一詹金斯技术沙里玛介绍了模型。稍后贝叶斯主义者接近ARIMA公司给出了模型并给出了一些数值例子。纵向的广义上的数据可以被视为对一个群体中许多受试者的重复观察和测量。线性的和广义线性的模型纵向的,纵向的给出并讨论了数据。生存分析是指从开始(“出生”)到结束(“死亡”)观察一个或多个受试者的统计领域。因此,受试者的一生是主要的兴趣所在。因为从“出生”到“死亡”可能要经过很长时间,所以在整个生命周期中观察一个物体通常是不可能的,也是不切实际的。所以通常数据都是经过审查的,所以“死亡”的确切时间是未知的,这限制了信息的使用寿命超过了观察时间。主要关注非参数预测因素,如卡普兰·梅耶估计器和比例危险方法。本章末尾简要讨论了一些参数模型。非参数方法将在单独的一章中详细讨论。基于核的预测器,基于最近的邻居和非参数的 贝叶斯进行了介绍和讨论。第二部分的最后一章专门讨论模型选择问题。主要重点是线性模型、贝叶斯模型选择、信息标准和交叉验证给出了一些示例。第三部分介绍了更复杂、更现代的预测模型。作者从所谓的黑盒技术包括树、神经网络、核方法和受惩罚的方法在下一章中,作者介绍集合方法这是一类统计技术,其中集成的组件和元素以特定的方式组合以产生单个对象。模型平均是一种集合方法其中来自不同模型的结果被组合。贝叶斯模型平均、装袋、堆叠和增压文中介绍了一些数值例子。本书的最后一章专门介绍了最新的预测方法,例如推荐系统,流式数据,时空数据、网络模型和其他一些。推荐系统大多数商业公司都用它来预测客户的购买行为。流媒体数据也称为在线数据,通常没有特定属性,只是它们是按特定顺序接收的。时空方法一般来说,时间序列与空间过程相结合。总而言之,这本书很好地概述了可用于预测目的的统计方法。审核人:乔纳斯·萨尤利斯(维尔纽斯) 引用于1审查引用于4文件 MSC公司: 62-02 与统计有关的研究展览(专著、调查文章) 62A01型 统计学基础和哲学主题 62M20型 随机过程推断和预测 关键词:统计预测;贝叶斯方法;调查抽样;线性回归;分位数回归;逻辑回归;最近邻法;广义线性模型;时间序列;纵向模型;生存分析;非参数方法;Kaplan-Meier估计量;信息标准;交叉验证;SARIMA流程;黑盒技术;神经网络;核方法;惩罚方法;集合方法;贝叶斯模型平均;装袋;堆叠;时空数据;流式数据;推荐系统 软件:R(右) PDF格式BibTeX公司 XML格式引用 \textit{B.S.Clarke}和\textit{J.L.Clarke},预测统计。超越模型的分析和推断。剑桥:剑桥大学出版社(2018;Zbl 1431.62003) 全文: 内政部