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
ویرایش: نویسندگان: M. Ataharul Islam, Rafiqul I Chowdhury (auth.) سری: ISBN (شابک) : 9789811037948, 9789811037931 ناشر: Springer Singapore سال نشر: 2017 تعداد صفحات: 257 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل داده های اقدامات مکرر: آمار برای کسب و کار/اقتصاد/ریاضی مالی/بیمه،تئوری و روش های آماری،آمار برای علوم زیستی، پزشکی، علوم بهداشتی، آمار برای علوم اجتماعی، علوم رفتاری، آموزش، سیاست عمومی، و قانون
در صورت تبدیل فایل کتاب Analysis of Repeated Measures 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 اقدامات مکرر 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 کتاب طیف گسترده ای از تکنیک های آماری را برای رسیدگی به نیازهای نوظهور در زمینه اندازه گیری های مکرر ارائه می دهد. همچنین یک نمای کلی از گسترش مدلهای خطی تعمیمیافته برای خانواده توزیعهای نمایی دو متغیره ارائه میکند که نشاندهنده پیشرفت جدیدی در تجزیه و تحلیل دادههای اندازهگیری مکرر است. تقاضا برای مدلهای آماری برای پیامدهای همبسته اخیراً به سرعت رشد کرده است، عمدتاً به دلیل وجود دو نوع ارتباط اساسی: ارتباط بین پیامدها و ارتباط بین متغیرهای توضیحی و پیامدها. این کتاب به طور سیستماتیک به مشکلات کلیدی ناشی از مدلسازی دادههای اندازهگیری مکرر میپردازد، با در نظر گرفتن عواملی که نقش عمدهای در تخمین روابط اساسی بین متغیرهای کمکی و متغیرهای نتیجه برای دادههای پیامد همبسته دارند. علاوه بر این، رویکردهای جدیدی را برای پرداختن به چالش های فعلی در زمینه اقدامات و مدل های مکرر بر اساس احتمالات مشروط و مشترک ارائه می دهد. مدلهای مارکوف مرتبه اول و بالاتر برای مدلهای شرطی علاوه بر احتمالات شرطی به عنوان تابعی از متغیرهای کمکی استفاده میشوند. به طور مشابه، مدلهای مشترک با استفاده از احتمالات حاشیهای-شرطی و همچنین احتمالات مشترک به عنوان تابعی از متغیرهای کمکی توسعه مییابند. علاوه بر مدلهای خطی تعمیمیافته برای نتایج دو متغیره، مدلهای نیمه پارامتریک توسعهیافته برای دادههای زمان شکست پیوسته و کاربردهای آنها را برجسته میکند تا مدلهایی را برای طیف وسیعتری از متغیرهای پیامد که محققان در زمینههای مختلف با آنها مواجه میشوند، شامل شود. این کتاب بیشتر در مورد مشکل تجزیه و تحلیل داده های اندازه گیری های مکرر برای زمان شکست در چارچوب ریسک رقابتی بحث می کند، که اکنون نقش مهمی را در زمینه تجزیه و تحلیل بقا، قابلیت اطمینان و علم اکچوئری ایفا می کند. جزئیات در مورد نحوه انجام تجزیه و تحلیل ها در هر فصل گنجانده شده است و با بسته ها و توابع جدید توسعه یافته R همراه با کدهای SAS و ماکرو/IML تکمیل شده است. این یک منبع ارزشمند برای محققان، دانشجویان تحصیلات تکمیلی و سایر کاربران تکنیک های آماری برای تجزیه و تحلیل داده های اندازه گیری های مکرر است.
This book presents a broad range of statistical techniques to address emerging needs in the field of repeated measures. It also provides a comprehensive overview of extensions of generalized linear models for the bivariate exponential family of distributions, which represent a new development in analysing repeated measures data. The demand for statistical models for correlated outcomes has grown rapidly recently, mainly due to presence of two types of underlying associations: associations between outcomes, and associations between explanatory variables and outcomes. The book systematically addresses key problems arising in the modelling of repeated measures data, bearing in mind those factors that play a major role in estimating the underlying relationships between covariates and outcome variables for correlated outcome data. In addition, it presents new approaches to addressing current challenges in the field of repeated measures and models based on conditional and joint probabilities. Markov models of first and higher orders are used for conditional models in addition to conditional probabilities as a function of covariates. Similarly, joint models are developed using both marginal-conditional probabilities as well as joint probabilities as a function of covariates. In addition to generalized linear models for bivariate outcomes, it highlights extended semi-parametric models for continuous failure time data and their applications in order to include models for a broader range of outcome variables that researchers encounter in various fields. The book further discusses the problem of analysing repeated measures data for failure time in the competing risk framework, which is now taking on an increasingly important role in the field of survival analysis, reliability and actuarial science. Details on how to perform the analyses are included in each chapter and supplemented with newly developed R packages and functions along with SAS codes and macro/IML. It is a valuable resource for researchers, graduate students and other users of statistical techniques for analysing repeated measures data.
Front Matter....Pages i-xix
Introduction....Pages 1-7
Linear Models....Pages 9-21
Exponential Family of Distributions....Pages 23-30
Generalized Linear Models....Pages 31-50
Covariate–Dependent Markov Models....Pages 51-66
Modeling Bivariate Binary Data....Pages 67-85
Bivariate Geometric Model....Pages 87-95
Models for Bivariate Count Data: Bivariate Poisson Distribution....Pages 97-124
Bivariate Negative Binomial and Multinomial Models....Pages 125-138
Bivariate Exponential Model....Pages 139-149
Quasi-Likelihood Methods....Pages 151-159
Generalized Estimating Equation....Pages 161-167
Generalized Linear Mixed Models....Pages 169-176
Generalized Multivariate Models....Pages 177-189
Multistate and Multistage Models....Pages 191-212
Analysing Data Using R and SAS....Pages 213-234
Back Matter....Pages 235-250