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: 1
نویسندگان: Hardeo Sahai. Mario Miguel Ojeda (auth.)
سری:
ISBN (شابک) : 9781461264705, 9780817681685
ناشر: Birkhäuser Basel
سال نشر: 2004
تعداد صفحات: 499
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 10 مگابایت
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل واریانس برای مدل های تصادفی: دوره اول: تئوری داده متعادل ، روش ها ، برنامه ها و تجزیه و تحلیل داده ها: تئوری و روش های آماری، نظریه احتمالات و فرآیندهای تصادفی، آمار برای مهندسی، فیزیک، علوم کامپیوتر، شیمی و علوم زمین، آمار برای علوم زیستی، پزشکی، علوم بهداشتی
در صورت تبدیل فایل کتاب Analysis of Variance for Random Models: Volume I: Balanced Data Theory, Methods, Applications and 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 تجزیه و تحلیل واریانس برای مدل های تصادفی: دوره اول: تئوری داده متعادل ، روش ها ، برنامه ها و 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.
مدل های تحلیل واریانس (ANOVA) به ابزارهای پرکاربرد تبدیل شده
اند و امروزه در بسیاری از کاربردهای آمار نقش اساسی دارند. به
طور خاص، مدلهای ANOVA که شامل اثرات تصادفی است، کاربرد
گستردهای برای طراحی آزمایشی در زمینههای مختلف که نیاز به
اندازهگیری واریانس دارند، از جمله کشاورزی، زیستشناسی، اصلاح
نژاد حیوانات، ژنتیک کاربردی، اقتصادسنجی، کنترل کیفیت، پزشکی،
مهندسی و علوم اجتماعی پیدا کردهاند.
این اثر دو جلدی ارائهای جامع از روشها و تکنیکهای مختلف
برای تخمین نقطه، تخمین فاصله و آزمون فرضیهها برای مدلهای
خطی شامل اثرات تصادفی است. هر دو روش نمونه برداری بیزی و مکرر
در نظر گرفته می شوند. جلد اول مدل هایی را با داده های متعادل
بررسی می کند (مدل های متعامد). جلد دوم مدل هایی را با داده
های نامتعادل (مدل های غیر متعامد) مطالعه می کند.
ویژگیها و موضوعات:
* درمان سیستماتیک مدلهای طبقهبندی متقاطع و تودرتو که معمولاً در تجزیه و تحلیل طرحهای واریانس استفاده میشوند
* بحث مفصل و کامل برخی از مدلهای اثرات تصادفی که معمولاً در متون در سطح مقدماتی یا متوسط یافت نمیشوند
* مثالهای عددی برای تجزیه و تحلیل دادههای طیف گستردهای از رشتهها
* بسیاری از نمونههای کار شده حاوی خروجیهای کامپیوتری از بستههای نرمافزار استاندارد مانند SAS، SPSS و BMDP برای هر مثال عددی
* مجموعههای تمرینی گسترده در پایان هر فصل
* پیوستهای متعدد با مفاهیم مرجع پسزمینه، اصطلاحات و نتایج
* پوشش متوازن نظریه، روش ها و کاربردهای عملی
* استناد کامل آثار مهم و مرتبط در پایان هر فصل، و همچنین کتابشناسی عمومی گسترده
P>
این اثر که تنها با پیشینه ریاضی و آماری مختصری در دسترس خوانندگانی است، برای مخاطبان وسیعی از دانشجویان، محققان و دست اندرکاران در علوم ریاضی، زندگی، اجتماعی و مهندسی جذاب خواهد بود. ممکن است به عنوان یک کتاب درسی در دوره های کارشناسی و کارشناسی ارشد سطح بالا، یا به عنوان مرجعی برای خوانندگان علاقه مند به استفاده از مدل های اثرات تصادفی برای تجزیه و تحلیل داده ها استفاده شود.
Analysis of variance (ANOVA) models have become widely used
tools and play a fundamental role in much of the application
of statistics today. In particular, ANOVA models involving
random effects have found widespread application to
experimental design in a variety of fields requiring
measurements of variance, including agriculture, biology,
animal breeding, applied genetics, econometrics, quality
control, medicine, engineering, and social sciences.
This two-volume work is a comprehensive presentation of
different methods and techniques for point estimation,
interval estimation, and tests of hypotheses for linear
models involving random effects. Both Bayesian and repeated
sampling procedures are considered. Volume I examines models
with balanced data (orthogonal models); Volume II studies
models with unbalanced data (nonorthogonal models).
Features and Topics:
* Systematic treatment of the commonly employed crossed and nested classification models used in analysis of variance designs
* Detailed and thorough discussion of certain random effects models not commonly found in texts at the introductory or intermediate level
* Numerical examples to analyze data from a wide variety of disciplines
* Many worked examples containing computer outputs from standard software packages such as SAS, SPSS, and BMDP for each numerical example
* Extensive exercise sets at the end of each chapter
* Numerous appendices with background reference concepts, terms, and results
* Balanced coverage of theory, methods, and practical applications
* Complete citations of important and related works at the end of each chapter, as well as an extensive general bibliography
Accessible to readers with only a modest mathematical and statistical background, the work will appeal to a broad audience of students, researchers, and practitioners in the mathematical, life, social, and engineering sciences. It may be used as a textbook in upper-level undergraduate and graduate courses, or as a reference for readers interested in the use of random effects models for data analysis.
Front Matter....Pages i-xxvii
Introduction....Pages 1-19
One-Way Classification....Pages 21-114
Two-Way Crossed Classification without Interaction....Pages 115-169
Two-Way Crossed Classification with Interaction....Pages 171-233
Three-Way and Higher-Order Crossed Classifications....Pages 235-275
Two-Way Nested Classification....Pages 277-331
Three-Way and Higher-Order Nested Classifications....Pages 333-381
General Balanced Random Effects Model....Pages 383-408
Back Matter....Pages 409-484