Azərbaycanca
Беларускі
Dansk
Deutsch
Española
Français
Indonesia
Italiana
日本語
Қазақ
Lietuvos
Nederlands
Português
Русский
සිංහල
แบบไทย
Türkçe
Українська
中國人
United State
Afrikaans
Matematiksel istatistik, istatistiksel veri toplama tekniklerinin aksine, matematiğin bir dalı olan olasılık teorisinin istatistiğe uygulanmasıdır. Bunun için kullanılan özel matematiksel teknikler arasında matematiksel analiz, doğrusal cebir, stokastik analiz, diferansiyel denklemler ve ölçü teorisi bulunur.
Giriş
İstatistiksel veri toplama, özellikle ve rastgele örnekleme kullanılan planlanmasıyla çalışmaların planlanmasıyla ilgilidir. Verilerin ilk analizi, genellikle yürütülen çalışmadan önce belirlenen çalışma protokolünü takip eder. Bir çalışmadan elde edilen veriler, ilk sonuçlardan esinlenen ikincil hipotezleri dikkate almak veya yeni çalışmalar önermek için de analiz edilebilir. Bir planlı çalışmadan elde edilen verilerin ikincil analizi veri analizi araçları kullanılarak yapılır ve bu analiz süreci matematiksel istatistiktir.
Veri analizi ikiye ayrılır:
- Tanımlayıcı istatistik - istatistiğin verileri tanımlayan, yani verileri ve tipik özelliklerini özetleyen kısmı.
- Çıkarımsal istatistik - istatistiğin verilerden (veriler için bir model kullanarak) sonuç çıkaran kısmı: Örneğin, çıkarımsal istatistikler, veriler için bir model seçmeyi, verilerin belirli bir modelin koşullarını karşılayıp karşılamadığını kontrol etmeyi ve ilgili belirsizliği sayıya dökmeyi (örneğin, güven aralıklarının kullanılması) içerir.
Veri analizi araçları en iyi rastgele çalışmalardan elde edilen veriler üzerinde çalışırken, aynı zamanda diğer veri türlerine de uygulanır. Örneğin, doğal deneylerden ve gözlemsel çalışmalardan elde edilen verilere uygulanan modeller istatistikçi tarafından seçilerek uygulanır ve bu nedenle özneldir.
Konular
Aşağıda matematiksel istatistikteki önemli konulardan bazıları verilmiştir:
Olasılık dağılımları
Olasılık dağılımı, rastgele bir , veya istatistiksel çıkarım prosedürünün olası sonuçlarının tüm ölçülebilir alt kümelerine bir olasılık değeri atayan işlevdir . Örnekler, dağılımın olacağı, sayısal olmayan örnek uzayına sahip deneylerde; dağılımın bir olasılık kütle fonksiyonu ile tanımlanabildiği, ayrık rassal değişkenler tarafından kodlanan örnek uzaya sahip deneylerde ve dağılımın bir olasılık yoğunluk fonksiyonu ile tanımlanabildiği sürekli rassal değişkenler tarafından kodlanan örnek uzaya sahip deneylerde bulunur. Sürekli zamanda tanımlanan stokastik süreçleri içeren daha karmaşık deneyler, daha genel kullanılmasını gerektirebilir.
Bir olasılık dağılımı veya . Tek değişkenli bir dağılım, çeşitli alternatif değerleri alan tek bir rastgele değişkenin olasılıklarını verir; çok değişkenli bir dağılım (bir ortak olasılık dağılımı), çeşitli değer kombinasyonlarını alan (iki veya daha fazla rastgele değişken kümesi) olasılıklarını verir. Tek değişkenli olasılık dağılımlarına, binom dağılımı, hipergeometrik dağılım ve normal dağılım örnek verilebilir. Çok değişkenli normal dağılım, yaygın olarak karşılaşılan çok değişkenli bir dağılım örneğidir.
Özel dağılımlar
- Normal dağılım, en yaygın kullanılan sürekli dağılımdır.
- Bernoulli dağılımı, tek bir Bernoulli denemesinin sonucu için (örneğin başarı/başarısızlık, evet/hayır) kullanılır.
- Binom dağılımı, sabit bir toplam bağımsız olay sayısı verildiğinde "pozitif oluşum" sayısı (örneğin başarılar, evet oyları, vb.) için kullanılır.
- Negatif binom dağılımı, ikili gözlemlerde, ilgilenilen değerin belirli sayıda başarı gerçekleşmeden önceki başarısızlıkların sayısı olduğu durumlarda kullanılır.
- Geometrik dağılım, ikili gözlemler için, ilgilenilen değerin ilk başarılı gözlem gerçekleşmeden önceki başarısızlıkların sayısı olduğu durumlarda kullanılır. Negatif binom dağılımının, başarılı gözlem sayısının bire eşit olduğu özel bir durumudur.
- Ayrık tekdüze dağılım, sonlu bir değerler kümesi için (örneğin, adil bir zar atışının sonucu) kullanılır.
- Sürekli tekdüze dağılım, sürekli dağıtılmış değerler için kullanılır.
- Poisson dağılımı, bir olayın belirli bir zaman diliminde meydana gelme sayısı için kullanılır.
- Üstel dağılım, bir sonraki Poisson türü olay gerçekleşmeden önceki süre için kullanılır.
- Gama dağılımı, takip eden k. Poisson tipi olay gerçekleşmeden önceki süre için kullanılır.
- Ki-kare dağılımı, standart normal değişkenlerin kareleri toplamının dağılımıdır; örneğin normal dağılmış örneklerin örnek varyansı ile ilgili çıkarımlar için yararlıdır (bkz ki-kare testi).
- Student'in t dağılımı, standart bir normal değişkenin ve ölçekli bir ki kare değişkenin karekökünün dağılım oranıdır; normal dağılıma uyan ve bilinmeyen varyansa sahip örneklerin ortalamasına ilişkin çıkarımlar için kullanışlıdır (bkz tek anakütle ortalaması için parametrik hipotez sınaması).
- Beta dağılımı, tek bir olasılık için (0 ile 1 arasında gerçek sayı) kullanılır; Bernoulli dağılımı ve binom dağılımıyla ilişkilidir.
İstatiksel çıkarım
İstatistiksel çıkarım, rastgele sapmaya, örneğin gözlemsel hatalara veya örnekleme varyasyonuna tabi olan verilerden sonuç çıkarma sürecidir.Çıkarım ve tümevarım için böyle bir prosedür sisteminin ilk gereksinimleri, sistemin iyi tanımlanmış durumlara uygulandığında makul yanıtlar üretmesi ve bir dizi duruma uygulanacak kadar genel olmasıdır. Çıkarımsal istatistikler, hipotezleri test etmek ve örnek verileri kullanarak tahminler yapmak için kullanılır. Tanımlayıcı istatistikler bir örneklemi tanımlarken, çıkarımsal istatistikler örneklemin temsil ettiği daha büyük bir popülasyon hakkında çıkarım yapar.
İstatistiksel çıkarımın sonucu, "bundan sonra ne yapılmalı?" sorusuna cevap olabilir. İstatistiksel çıkarım çoğunlukla, rastgele örnekleme yoluyla ilgilenilen popülasyondan elde edilen verileri kullanıp popülasyon hakkında önerilerde bulunur. Daha genel olarak, rastgele bir süreç hakkındaki veriler, sınırlı bir süre boyunca gözlemlenen davranışından elde edilir. Hakkında çıkarım yapılmak istenen bir parametre veya hipotez verildiğinde, istatistiksel çıkarım en çok şunları kullanır:
- Randomizasyon kullanıldığında bilinen verileri üretmesi beklenen rastgele sürecin istatistiksel bir modeli ve
- rastgele sürecin belirli bir çevrimi; yani bir veri seti.
Regresyon
İstatistikte regresyon analizi, değişkenler arasındaki ilişkileri tahmin etmek için kullanılan istatistiksel bir süreçtir. Odak noktası bir bağımlı değişken ile bir veya daha fazla bağımsız değişken arasındaki ilişki olup bir ya da daha fazla değişkeni modellemek ve analiz etmek için birden fazla yol içerir. Daha spesifik olarak, regresyon analizi, diğer bağımsız değişkenler sabit tutulurken bağımsız değişkenlerden herhangi biri değiştiğinde, bağımlı değişkendeki (veya 'ölçüt değişken') değer değişiminin anlaşılmasına yardımcı olur. Regresyon analizi çoğunlukla, bağımsız değişkenler verildiğinde bağımlı değişkenin koşullu beklentisini, yani bağımsız değişkenler sabitlendiğinde bağımlı değişkenin ortalama değerini tahmin eder. Daha az yaygın olarak odak, verilen bağımsız değişkenlerle bağımlı değişkenin koşullu dağılımının veya başka bir . Her durumda, tahmin hedefi bağımsız değişkenlerin bir fonksiyonu olan regresyon fonksiyonudur. Regresyon analizi, bağımlı değişkenin, bir olasılık dağılımı diye tanımlanabilen regresyon fonksiyonu etrafındaki sapma miktarlarını karakterize etmekle de ilgilenir.
Regresyon analizini için birçok teknik geliştirilmiştir. Doğrusal regresyon gibi bilinen yöntemler parametriktir, çünkü regresyon fonksiyonu, verilerden (örneğin, en küçük kareler yöntemi kullanılarak) tahmin edilen sonlu sayıda bilinmeyen parametre cinsinden tanımlanır. Parametrik olmayan regresyon, regresyon fonksiyonunun, sonsuz boyutlu olabilen belirli bir fonksiyonlar setinde yer almasına izin veren teknikleri ifade eder.
Parametrik olmayan istatistikler
Parametrik olmayan istatistikler, olasılık dağılım ailelerine dayandırmadan verilerden hesaplanan değerlerdir. Hem tanımlayıcı hem de çıkarımsal istatistikleri içerirler. Tipik parametreler ortalama, varyans ve benzeridir. Parametrik istatistiklerin aksine, parametrik olmayan istatistikler, değerlendirilen değişkenlerin olasılık dağılımları hakkında varsayımda bulunmaz.
Parametrik olmayan yöntemler, bir ile dört arası derecelendirilen film incelemeleri gibi, sıralı düzene sahip olan popülasyonları incelemek için yaygın olarak kullanılmaktadır. Parametrik olmayan yöntemlerin kullanımı, verilerin bir sıralaması mevcutken ancak değerlendirirken olduğu gibi net bir sayısal yorum bulunmadığında gerekli olabilir. Ölçüm seviyeleri açısından, parametrik olmayan yöntemler "sıralı" verilerle sonuçlanır.
Parametrik olmayan yöntemler daha az varsayım yaptığından, uygulanabilirliği karşılık gelen parametrik yöntemlerden çok daha geniştir. Özellikle incelemeye konu olan soru hakkında daha az şey bilindiği durumlarda uygulanabilirler. Ayrıca,uygulanırken daha az varsayım yapılması nedeniyle parametrik olmayan yöntemler daha sağlamdır.
Parametrik olmayan yöntemlerin kullanımının bir başka gerekçesi basitliktir. Bazı durumlarda, parametrik yöntemlerin kullanımı gerekçelendirilse bile, parametrik olmayan yöntemlerin kullanımı daha kolay olabilir. Hem bu basitlik hem de daha sağlam olmaları nedeniyle, bazı istatistikçiler parametrik olmayan yöntemlerin yanlış kullanım ve yanlış anlama riskini azalttığı görüşündedir.
İstatistik, matematik ve matematiksel istatistikler
Matematiksel istatistik, istatistik biliminin önemli bir alt kümesidir. , matematikle istatistiksel prosedürleri inceler ve geliştirir; istatistiksel araştırma genellikle matematiksel sorular gündeme getirir. İstatistik teorisi, olasılık ve karar teorisine dayanır.
Gauss, Laplace ve CS Peirce gibi matematikçiler ve istatistikçiler, olasılık dağılımları ve (veya fayda fonksiyonları) ile karar teorisini kullandılar. İstatistiksel çıkarıma karar-teorik yaklaşım, ve halefleri tarafından yeniden canlandırıldı ve bilimsel hesaplama, analiz ve optimizasyondan kapsamlı bir şekilde yararlanılmasını sağladı; için istatistikçiler ve kullanır.
Ayrıca bakınız
Kaynakça
- ^ Handbook of stochastic analysis and applications. New York: M. Dekker. 2002. ISBN .
- ^ Theory of statistics. Corr. 2nd print. New York: Springer. 1995. ISBN .
- ^ Hogg, R. V., A. Craig, and J. W. McKean.
- ^ Larsen, Richard J. and Marx, Morris L. "An Introduction to Mathematical Statistics and Its Applications" (2012).
- ^ Upton, G., Cook, I. (2008) Oxford Dictionary of Statistics, OUP.
- ^ Sequential analysis. New York: John Wiley and Sons. 1947. ISBN .
See Dover reprint, 2004:
- ^ Statistical Decision Functions. John Wiley and Sons, New York. 1950.
- ^ Testing Statistical Hypotheses. 2nd. 1997. ISBN .
- ^ Theory of Point Estimation. 2nd. 1998. ISBN .
- ^ Mathematical Statistics: Basic and Selected Topics. Second (updated printing 2007). 1. Pearson Prentice-Hall. 2001.
- ^ Asymptotic Methods in Statistical Decision Theory. Springer-Verlag. 1986. ISBN .
- ^ Statistical Decision Theory: Estimation, Testing, and Selection. Springer. 2008.
Konuyla ilgili yayınlar
- Borovkov, AA (1999). Matematiksel İstatistikler . CRC Basın.ISBN
- Olasılık ve İstatistikte Sanal Laboratuvarlar (Ala. 5 Eylül 2017 tarihinde Wayback Machine sitesinde . -Huntsville) 5 Eylül 2017 tarihinde Wayback Machine sitesinde .
- StatiBot 27 Kasım 2020 tarihinde Wayback Machine sitesinde ., istatistiksel testler üzerine etkileşimli çevrimiçi uzman sistem.
- Mathematiksel İstatistikler Mathematical Statistics. Ram Prasad & Sons. 1966. Manohar Ray tarafından, Har swarup Sharma Ram Prasad Agra tarafından yayınlandı.
wikipedia, wiki, viki, vikipedia, oku, kitap, kütüphane, kütübhane, ara, ara bul, bul, herşey, ne arasanız burada,hikayeler, makale, kitaplar, öğren, wiki, bilgi, tarih, yukle, izle, telefon için, turk, türk, türkçe, turkce, nasıl yapılır, ne demek, nasıl, yapmak, yapılır, indir, ücretsiz, ücretsiz indir, bedava, bedava indir, mp3, video, mp4, 3gp, jpg, jpeg, gif, png, resim, müzik, şarkı, film, film, oyun, oyunlar, mobil, cep telefonu, telefon, android, ios, apple, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, pc, web, computer, bilgisayar
Matematiksel istatistik istatistiksel veri toplama tekniklerinin aksine matematigin bir dali olan olasilik teorisinin istatistige uygulanmasidir Bunun icin kullanilan ozel matematiksel teknikler arasinda matematiksel analiz dogrusal cebir stokastik analiz diferansiyel denklemler ve olcu teorisi bulunur Bir veri kumesindeki dogrusal regresyonun gosterimi Regresyon analizi matematiksel istatistigin onemli bir parcasidir GirisIstatistiksel veri toplama ozellikle ve rastgele ornekleme kullanilan planlanmasiyla calismalarin planlanmasiyla ilgilidir Verilerin ilk analizi genellikle yurutulen calismadan once belirlenen calisma protokolunu takip eder Bir calismadan elde edilen veriler ilk sonuclardan esinlenen ikincil hipotezleri dikkate almak veya yeni calismalar onermek icin de analiz edilebilir Bir planli calismadan elde edilen verilerin ikincil analizi veri analizi araclari kullanilarak yapilir ve bu analiz sureci matematiksel istatistiktir Veri analizi ikiye ayrilir Tanimlayici istatistik istatistigin verileri tanimlayan yani verileri ve tipik ozelliklerini ozetleyen kismi Cikarimsal istatistik istatistigin verilerden veriler icin bir model kullanarak sonuc cikaran kismi Ornegin cikarimsal istatistikler veriler icin bir model secmeyi verilerin belirli bir modelin kosullarini karsilayip karsilamadigini kontrol etmeyi ve ilgili belirsizligi sayiya dokmeyi ornegin guven araliklarinin kullanilmasi icerir Veri analizi araclari en iyi rastgele calismalardan elde edilen veriler uzerinde calisirken ayni zamanda diger veri turlerine de uygulanir Ornegin dogal deneylerden ve gozlemsel calismalardan elde edilen verilere uygulanan modeller istatistikci tarafindan secilerek uygulanir ve bu nedenle ozneldir KonularAsagida matematiksel istatistikteki onemli konulardan bazilari verilmistir Olasilik dagilimlari Olasilik dagilimi rastgele bir veya istatistiksel cikarim prosedurunun olasi sonuclarinin tum olculebilir alt kumelerine bir olasilik degeri atayan islevdir Ornekler dagilimin olacagi sayisal olmayan ornek uzayina sahip deneylerde dagilimin bir olasilik kutle fonksiyonu ile tanimlanabildigi ayrik rassal degiskenler tarafindan kodlanan ornek uzaya sahip deneylerde ve dagilimin bir olasilik yogunluk fonksiyonu ile tanimlanabildigi surekli rassal degiskenler tarafindan kodlanan ornek uzaya sahip deneylerde bulunur Surekli zamanda tanimlanan stokastik surecleri iceren daha karmasik deneyler daha genel kullanilmasini gerektirebilir Bir olasilik dagilimi veya Tek degiskenli bir dagilim cesitli alternatif degerleri alan tek bir rastgele degiskenin olasiliklarini verir cok degiskenli bir dagilim bir ortak olasilik dagilimi cesitli deger kombinasyonlarini alan iki veya daha fazla rastgele degisken kumesi olasiliklarini verir Tek degiskenli olasilik dagilimlarina binom dagilimi hipergeometrik dagilim ve normal dagilim ornek verilebilir Cok degiskenli normal dagilim yaygin olarak karsilasilan cok degiskenli bir dagilim ornegidir Ozel dagilimlar Normal dagilim en yaygin kullanilan surekli dagilimdir Bernoulli dagilimi tek bir Bernoulli denemesinin sonucu icin ornegin basari basarisizlik evet hayir kullanilir Binom dagilimi sabit bir toplam bagimsiz olay sayisi verildiginde pozitif olusum sayisi ornegin basarilar evet oylari vb icin kullanilir Negatif binom dagilimi ikili gozlemlerde ilgilenilen degerin belirli sayida basari gerceklesmeden onceki basarisizliklarin sayisi oldugu durumlarda kullanilir Geometrik dagilim ikili gozlemler icin ilgilenilen degerin ilk basarili gozlem gerceklesmeden onceki basarisizliklarin sayisi oldugu durumlarda kullanilir Negatif binom dagiliminin basarili gozlem sayisinin bire esit oldugu ozel bir durumudur Ayrik tekduze dagilim sonlu bir degerler kumesi icin ornegin adil bir zar atisinin sonucu kullanilir Surekli tekduze dagilim surekli dagitilmis degerler icin kullanilir Poisson dagilimi bir olayin belirli bir zaman diliminde meydana gelme sayisi icin kullanilir Ustel dagilim bir sonraki Poisson turu olay gerceklesmeden onceki sure icin kullanilir Gama dagilimi takip eden k Poisson tipi olay gerceklesmeden onceki sure icin kullanilir Ki kare dagilimi standart normal degiskenlerin kareleri toplaminin dagilimidir ornegin normal dagilmis orneklerin ornek varyansi ile ilgili cikarimlar icin yararlidir bkz ki kare testi Student in t dagilimi standart bir normal degiskenin ve olcekli bir ki kare degiskenin karekokunun dagilim oranidir normal dagilima uyan ve bilinmeyen varyansa sahip orneklerin ortalamasina iliskin cikarimlar icin kullanislidir bkz tek anakutle ortalamasi icin parametrik hipotez sinamasi Beta dagilimi tek bir olasilik icin 0 ile 1 arasinda gercek sayi kullanilir Bernoulli dagilimi ve binom dagilimiyla iliskilidir Istatiksel cikarim Istatistiksel cikarim rastgele sapmaya ornegin gozlemsel hatalara veya ornekleme varyasyonuna tabi olan verilerden sonuc cikarma surecidir Cikarim ve tumevarim icin boyle bir prosedur sisteminin ilk gereksinimleri sistemin iyi tanimlanmis durumlara uygulandiginda makul yanitlar uretmesi ve bir dizi duruma uygulanacak kadar genel olmasidir Cikarimsal istatistikler hipotezleri test etmek ve ornek verileri kullanarak tahminler yapmak icin kullanilir Tanimlayici istatistikler bir orneklemi tanimlarken cikarimsal istatistikler orneklemin temsil ettigi daha buyuk bir populasyon hakkinda cikarim yapar Istatistiksel cikarimin sonucu bundan sonra ne yapilmali sorusuna cevap olabilir Istatistiksel cikarim cogunlukla rastgele ornekleme yoluyla ilgilenilen populasyondan elde edilen verileri kullanip populasyon hakkinda onerilerde bulunur Daha genel olarak rastgele bir surec hakkindaki veriler sinirli bir sure boyunca gozlemlenen davranisindan elde edilir Hakkinda cikarim yapilmak istenen bir parametre veya hipotez verildiginde istatistiksel cikarim en cok sunlari kullanir Randomizasyon kullanildiginda bilinen verileri uretmesi beklenen rastgele surecin istatistiksel bir modeli ve rastgele surecin belirli bir cevrimi yani bir veri seti Regresyon Istatistikte regresyon analizi degiskenler arasindaki iliskileri tahmin etmek icin kullanilan istatistiksel bir surectir Odak noktasi bir bagimli degisken ile bir veya daha fazla bagimsiz degisken arasindaki iliski olup bir ya da daha fazla degiskeni modellemek ve analiz etmek icin birden fazla yol icerir Daha spesifik olarak regresyon analizi diger bagimsiz degiskenler sabit tutulurken bagimsiz degiskenlerden herhangi biri degistiginde bagimli degiskendeki veya olcut degisken deger degisiminin anlasilmasina yardimci olur Regresyon analizi cogunlukla bagimsiz degiskenler verildiginde bagimli degiskenin kosullu beklentisini yani bagimsiz degiskenler sabitlendiginde bagimli degiskenin ortalama degerini tahmin eder Daha az yaygin olarak odak verilen bagimsiz degiskenlerle bagimli degiskenin kosullu dagiliminin veya baska bir Her durumda tahmin hedefi bagimsiz degiskenlerin bir fonksiyonu olan regresyon fonksiyonudur Regresyon analizi bagimli degiskenin bir olasilik dagilimi diye tanimlanabilen regresyon fonksiyonu etrafindaki sapma miktarlarini karakterize etmekle de ilgilenir Regresyon analizini icin bircok teknik gelistirilmistir Dogrusal regresyon gibi bilinen yontemler parametriktir cunku regresyon fonksiyonu verilerden ornegin en kucuk kareler yontemi kullanilarak tahmin edilen sonlu sayida bilinmeyen parametre cinsinden tanimlanir Parametrik olmayan regresyon regresyon fonksiyonunun sonsuz boyutlu olabilen belirli bir fonksiyonlar setinde yer almasina izin veren teknikleri ifade eder Parametrik olmayan istatistikler Parametrik olmayan istatistikler olasilik dagilim ailelerine dayandirmadan verilerden hesaplanan degerlerdir Hem tanimlayici hem de cikarimsal istatistikleri icerirler Tipik parametreler ortalama varyans ve benzeridir Parametrik istatistiklerin aksine parametrik olmayan istatistikler degerlendirilen degiskenlerin olasilik dagilimlari hakkinda varsayimda bulunmaz Parametrik olmayan yontemler bir ile dort arasi derecelendirilen film incelemeleri gibi sirali duzene sahip olan populasyonlari incelemek icin yaygin olarak kullanilmaktadir Parametrik olmayan yontemlerin kullanimi verilerin bir siralamasi mevcutken ancak degerlendirirken oldugu gibi net bir sayisal yorum bulunmadiginda gerekli olabilir Olcum seviyeleri acisindan parametrik olmayan yontemler sirali verilerle sonuclanir Parametrik olmayan yontemler daha az varsayim yaptigindan uygulanabilirligi karsilik gelen parametrik yontemlerden cok daha genistir Ozellikle incelemeye konu olan soru hakkinda daha az sey bilindigi durumlarda uygulanabilirler Ayrica uygulanirken daha az varsayim yapilmasi nedeniyle parametrik olmayan yontemler daha saglamdir Parametrik olmayan yontemlerin kullaniminin bir baska gerekcesi basitliktir Bazi durumlarda parametrik yontemlerin kullanimi gerekcelendirilse bile parametrik olmayan yontemlerin kullanimi daha kolay olabilir Hem bu basitlik hem de daha saglam olmalari nedeniyle bazi istatistikciler parametrik olmayan yontemlerin yanlis kullanim ve yanlis anlama riskini azalttigi gorusundedir Istatistik matematik ve matematiksel istatistiklerMatematiksel istatistik istatistik biliminin onemli bir alt kumesidir matematikle istatistiksel prosedurleri inceler ve gelistirir istatistiksel arastirma genellikle matematiksel sorular gundeme getirir Istatistik teorisi olasilik ve karar teorisine dayanir Gauss Laplace ve CS Peirce gibi matematikciler ve istatistikciler olasilik dagilimlari ve veya fayda fonksiyonlari ile karar teorisini kullandilar Istatistiksel cikarima karar teorik yaklasim ve halefleri tarafindan yeniden canlandirildi ve bilimsel hesaplama analiz ve optimizasyondan kapsamli bir sekilde yararlanilmasini sagladi icin istatistikciler ve kullanir Ayrica bakinizKaynakca Handbook of stochastic analysis and applications New York M Dekker 2002 ISBN 0824706609 Theory of statistics Corr 2nd print New York Springer 1995 ISBN 0387945466 Hogg R V A Craig and J W McKean Larsen Richard J and Marx Morris L An Introduction to Mathematical Statistics and Its Applications 2012 Upton G Cook I 2008 Oxford Dictionary of Statistics OUP 978 0 19 954145 4 Sequential analysis New York John Wiley and Sons 1947 ISBN 0 471 91806 7 See Dover reprint 2004 0 486 43912 7 Statistical Decision Functions John Wiley and Sons New York 1950 Testing Statistical Hypotheses 2nd 1997 ISBN 0 387 94919 4 Theory of Point Estimation 2nd 1998 ISBN 0 387 98502 6 Mathematical Statistics Basic and Selected Topics Second updated printing 2007 1 Pearson Prentice Hall 2001 Asymptotic Methods in Statistical Decision Theory Springer Verlag 1986 ISBN 0 387 96307 3 Statistical Decision Theory Estimation Testing and Selection Springer 2008 Konuyla ilgili yayinlarBorovkov AA 1999 Matematiksel Istatistikler CRC Basin 90 5699 018 7ISBN 90 5699 018 7 Olasilik ve Istatistikte Sanal Laboratuvarlar Ala 5 Eylul 2017 tarihinde Wayback Machine sitesinde Huntsville 5 Eylul 2017 tarihinde Wayback Machine sitesinde StatiBot 27 Kasim 2020 tarihinde Wayback Machine sitesinde istatistiksel testler uzerine etkilesimli cevrimici uzman sistem Mathematiksel Istatistikler Mathematical Statistics Ram Prasad amp Sons 1966 978 9383385188 Manohar Ray tarafindan Har swarup Sharma Ram Prasad Agra tarafindan yayinlandi