Nonlinear Estimation

تخمین غیر خطی یک کتاب راهنما برای آماردان یا مدل ساز عملی است که علاقه مند به برازش و تفسیر مدل های غیر خطی با کمک کامپیوتر است. موضوع اصلی کتاب استفاده از «سیستم‌های پارامتر پایدار» است. اینها همگرایی سریع الگوریتم‌های بهینه‌سازی، ماتریس‌های پراکندگی قابل اعتمادتر و مناطق اطمینان برای پارامترها و مقایسه آسان‌تر مدل‌های رقیب را فراهم می‌کنند. این کتاب بینش هایی در مورد اینکه چرا برخی از مدل ها برازش دشوار هستند، نحوه ترکیب برازش ها در مجموعه داده های مختلف، نحوه بهبود جمع آوری داده ها برای کاهش واریانس پیش بینی، و نحوه برنامه ریزی مدل های خاص برای مدیریت طیف کاملی از مجموعه داده ها، ارائه می دهد. این کتاب ترکیبی از رویکرد جبری، هندسی و محاسباتی است و با مثال‌های کاربردی نشان داده شده است. فصل آخر نشان می دهد که چگونه این رویکرد در برنامه حداکثر احتمال، MLP نویسنده، اجرا می شود.

Non-Linear Estimation is a handbook for the practical statistician or modeller interested in fitting and interpreting non-linear models with the aid of a computer. A major theme of the book is the use of 'stable parameter systems'; these provide rapid convergence of optimization algorithms, more reliable dispersion matrices and confidence regions for parameters, and easier comparison of rival models. The book provides insights into why some models are difficult to fit, how to combine fits over different data sets, how to improve data collection to reduce prediction variance, and how to program particular models to handle a full range of data sets. The book combines an algebraic, a geometric and a computational approach, and is illustrated with practical examples. A final chapter shows how this approach is implemented in the author's Maximum Likelihood Program, MLP.