Analysis of Variance for Random Models: Volume II: Unbalanced Data Theory, Methods, Applications, and Data Analysis

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 دقیق و کامل در مورد تصادفی خاص مدل‌های افکت‌هایی که معمولاً در متون در سطح مقدماتی یا متوسط ​​یافت نمی‌شوند

* مثال‌های عددی برای تجزیه و تحلیل داده‌ها از طیف گسترده‌ای از رشته‌ها

* بسیاری از نمونه‌های کار شده حاوی خروجی‌های رایانه از بسته‌های نرم‌افزار استاندارد مانند SAS، SPSS و BMDP برای هر مثال عددی

* مجموعه های تمرینی گسترده در پایان هر فصل

* پیوست های متعدد با مفاهیم، ​​اصطلاحات و نتایج مرجع پس زمینه

P>

* پوشش متوازن نظریه، روشها و کاربردهای عملی

* استناد کامل آثار مهم و مرتبط در پایان هر فصل و همچنین کتابشناسی عمومی گسترده

P> این اثر که فقط برای خوانندگانی با پیشینه ریاضی و آماری متوسط ​​​​در دسترس است، برای مخاطبان گسترده ای از دانشجویان، محققان و پزشکان 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.