Describes the use of smoothing techniques in statistics, with an emphasis on applications. This book also makes extensive reference to S-Plus, as a computing environment in which examples can be explored. It provides S-Plus functions and example scripts to implement many of the techniques described.
Focusing on likelihood-based statistical theory, this book presents a classical perspective on statistical inference. It explores how fundamental statistical techniques can be derived from a limited set of core concepts, making complex ideas more accessible. The text aims to provide a comprehensive understanding of the principles behind likelihood methods and their applications in statistical analysis.
The standard resource for statisticians and applied researchers. Accessible to the wide range of researchers who use statistical modelling techniques.
Negli ultimi dieci anni c’è stata un’ampia fase dell’innovazione tecnologica che ha portato alla diffusione di grandi quantità di dati in diversi campi applicativi. Le aziende in primo luogo hanno a disposizione moltissimi elementi informativi riguardanti i loro clienti, ma anche nella medicina, nella genetica, nella biologia, e in molti altri ambienti applicativi sono ora a disposizioni grandi masse di dati. Tale realtà porta con sé la necessità di sviluppare e conoscere nuovi strumenti di analisi statistica. In questo contesto molti strumenti e metodi di analisi hanno origini diverse, in particolare dalla statistica e dal machine learning, ma condividono molti aspetti. Questo libro descrive i concetti più importanti di queste aree in un’impostazione unificata. Seppure l’approccio sia statistico, l’enfasi è sui concetti piuttosto che sulla formulazione matematica. Vengono presentati molti esempi corredati da un’ampia varietà di illustrazioni grafiche. Il libro dovrebbe quindi costituire un utile strumento per gli statistici e per chiunque altro è interessato al data mining sia nel mondo aziendale che in quello scientifico.