برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Analysis of messy data

دانلود کتاب تجزیه و تحلیل داده های کثیف

مشخصات کتاب

Analysis of messy data

دسته بندی: آمار ریاضی
ویرایش: 2nd ed 
نویسندگان: George A. Milliken,  Dallas E. Johnson  
سری:  
ISBN (شابک) : 1584883340, 9781420010152 
ناشر: CRC Press 
سال نشر: 2004 
تعداد صفحات: 690 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 7 مگابایت

قیمت کتاب (تومان) : 59,000

کلمات کلیدی مربوط به کتاب تجزیه و تحلیل داده های کثیف: ریاضیات، نظریه احتمالات و آمار ریاضی، آمار ریاضی، طراحی آزمایش

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 10

در صورت تبدیل فایل کتاب Analysis of messy data 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 تجزیه و تحلیل داده های کثیف 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.

توضیحاتی در مورد کتاب تجزیه و تحلیل داده های کثیف

تجزیه و تحلیل داده های آشفته: جلد 1 که به مدت 17 سال پرفروش ترین مرجع بود، اکنون به طور گسترده بازنگری شده و به طور کامل به روز شده است. نویسندگان ارائه را ساده کرده‌اند و تعدادی از پیشرفت‌های اخیر در این زمینه، از جمله پیشرفت‌ها در مدل‌های اثرات تصادفی و اصلاحات در روش‌های مقایسه چندگانه را ترکیب کرده‌اند. مهمتر از همه، آنها مواد کاملاً به روز شده شامل نرم افزار و جزئیات نحوه استفاده از SAS-Mixed، SAS-GLM و بسته های دیگر را برای بهبود طراحی آزمایش و تجزیه و تحلیل مدل دارند. خواندن آسان با مثال های خوب و چیدمان راحت، این نسخه بدون شک جای خود را به عنوان مرجع مورد علاقه طراحان آزمایش و آماردانان خواهد گرفت.

توضیحاتی درمورد کتاب به خارجی

A best-selling reference for 17 years, Analysis of Messy Data: Volume 1 has now been extensively revised and brought thoroughly up to date. The authors have streamlined the presentation and incorporated a number of recent developments in the field, including advances in random effects models and refinements to multiple comparison procedures. Most importantly, they have completely updated material involving software and detail how SAS-Mixed, SAS-GLM, and other packages can be used to improve experiment design and model analysis. Easy to read with good examples and a comfortable layout, this edition will undoubtedly take its place as a favorite reference of experiment designers and statisticians.

فهرست مطالب

The Simplest Case: One-Way Treatment Structure in a Completely Randomized Design Structure with Homogeneous Errors. One-Way Treatment Structure in a Completely Randomized Design Structure with Heterogeneous Errors. Simultaneous Inference Procedures and Multiple Comparisons. Basics for Designing Experiments. Multilevel Designs: Split-Plots, Strip-Plots, Repeated Measures, and Combinations. Matrix Form of the Model. Balanced Two-Way Treatment Structures. Case Study: Complete Analyses of Balanced Two-Way Experiments. Using the Means Model to Analyze Balanced Two-Way Treatment Structures with Unequal Subclass Numbers. Using the Effects Model to Analyze Balanced Two-Way Treatment Structures with Unequal Subclass Numbers. Analyzing Large Balanced Two-Way Experiments Having Unequal Subclass Numbers. Case Study: Balanced Two-Way Treatment Structure with Unequal Subclass Numbers. Using the Means Model to Analyze Two-Way Treatment Structures with Missing Treatment Combinations. Using the Effects Model to Analyze Two-Way Treatment Structures with Missing Treatment Combinations. Case Study: Two-Way Treatment Structure with Missing Treatment Combinations. Analyzing Three-Way and Higher-Order Treatment Structures. Case Study: Three-Way Treatment Structure with Many Missing Treatment Combinations. Random Effects Models and Variance Components. Methods for Estimating Variance Components. Methods for Making Inferences about Variance Components. Case Study: Analysis of a Random Effects Model. Analysis of Mixed Models. Case Studies of a Mixed Model. Methods for Analyzing Split-Plot Type Designs. Methods for Analyzing Strip-Plot Type Designs. Methods for Analyzing Repeated Measures Experiments. Analysis of Repeated Measures Experiments When the Ideal Conditions Are Not Satisfied. Case Studies: Complex Examples Having Repeated Measures. Analysis of Crossover Designs. Analysis of Nested Designs. Appendix. Index.