دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: آمار ریاضی ویرایش: 1 نویسندگان: Isabella Morlini, Tommaso Minerva, Maurizio Vichi (eds.) سری: Studies in Classification, Data Analysis, and Knowledge Organization ISBN (شابک) : 9783319173764, 9783319173771 ناشر: Springer International Publishing سال نشر: 2015 تعداد صفحات: 264 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب Advances in Statistical Models for Data Analysis به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب پیشرفت در مدل های آماری برای تجزیه و تحلیل داده ها نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این جلد ویرایششده بر نتایج تحقیقات اخیر در طبقهبندی، آمار چند متغیره و یادگیری ماشین تمرکز دارد و پیشرفتها در مدلهای آماری برای تجزیه و تحلیل دادهها را برجسته میکند. این جلد هم پیشرفتهای روششناختی و هم کمک به طیف گستردهای از حوزههای کاربردی مانند اقتصاد، بازاریابی، آموزش، علوم اجتماعی و محیط زیست را ارائه میکند. مقالات این جلد برای اولین بار در نهمین نشست دوسالانه گروه طبقه بندی و تجزیه و تحلیل داده ها (CLADAG) انجمن آمار ایتالیا، که در سپتامبر 2013 در دانشگاه مودنا و رجیو امیلیا، ایتالیا برگزار شد، ارائه شد.
</ p>This edited volume focuses on recent research results in classification, multivariate statistics and machine learning and highlights advances in statistical models for data analysis. The volume provides both methodological developments and contributions to a wide range of application areas such as economics, marketing, education, social sciences and environment. The papers in this volume were first presented at the 9th biannual meeting of the Classification and Data Analysis Group (CLADAG) of the Italian Statistical Society, held in September 2013 at the University of Modena and Reggio Emilia, Italy.
Front Matter....Pages i-viii
Using the dglars Package to Estimate a Sparse Generalized Linear Model....Pages 1-8
A Depth Function for Geostatistical Functional Data....Pages 9-16
Robust Clustering of EU Banking Data....Pages 17-25
Sovereign Risk and Contagion Effects in the Eurozone: A Bayesian Stochastic Correlation Model....Pages 27-34
Female Labour Force Participation and Selection Effect: Southern vs Eastern European Countries....Pages 35-43
Asymptotics in Survey Sampling for High Entropy Sampling Designs....Pages 45-53
A Note on the Use of Recursive Partitioning in Causal Inference....Pages 55-62
Meta-Analysis of Poll Accuracy Measures: A Multilevel Approach....Pages 63-71
Families of Parsimonious Finite Mixtures of Regression Models....Pages 73-84
Quantile Regression for Clustering and Modeling Data....Pages 85-95
Nonmetric MDS Consensus Community Detection....Pages 97-105
The Performance of the Gradient-Like Influence Measure in Generalized Linear Mixed Models....Pages 107-116
New Flexible Probability Distributions for Ranking Data....Pages 117-124
Robust Estimation of Regime Switching Models....Pages 125-135
Incremental Visualization of Categorical Data....Pages 137-148
A New Proposal for Tree Model Selection and Visualization....Pages 149-156
Object-Oriented Bayesian Network to Deal with Measurement Error in Household Surveys....Pages 157-164
Comparing Fuzzy and Multidimensional Methods to Evaluate Well-Being in European Regions....Pages 165-176
Cluster Analysis of Three-Way Atmospheric Data....Pages 177-189
Asymmetric CLUster Analysis Based on SKEW-Symmetry: ACLUSKEW....Pages 191-199
Parsimonious Generalized Linear Gaussian Cluster-Weighted Models....Pages 201-209
New Perspectives for the MDC Index in Social Research Fields....Pages 211-219
Clustering Methods for Ordinal Data: A Comparison Between Standard and New Approaches....Pages 221-229
Novelty Detection with One-Class Support Vector Machines....Pages 231-257
Using Discrete-Time Multistate Models to Analyze Students’ University Pathways....Pages 259-268