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: ریاضیات کاربردی ویرایش: 1 نویسندگان: Andrew Gelman. Xiao-Li Meng سری: ISBN (شابک) : 047009043X, 9780470090435 ناشر: سال نشر: 2004 تعداد صفحات: 411 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 Applied Bayesian Modeling and Causal Inference from Incomplete-Data Perspectives (Wiley Series in Probability and Statistics) 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 مدلسازی بیزی کاربردی و استنتاج علی از دیدگاه داده های ناقص (سری ویلی در احتمال و آمار) 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 مجموعهای از مقالات درباره روشهای آماری مربوط به تجزیه و تحلیل دادههای از دست رفته، از جمله انتساب چندگانه، امتیازات تمایل، متغیرهای ابزاری، و استنتاج بیزی را گرد هم آورده است. پوشش موضوعات تحقیقاتی جدید و نمونههای دنیای واقعی که در بسیاری از متون استاندارد وجود ندارند. این کتاب به پروفسور دان روبین (هاروارد) تقدیم شده است. دان روبین مشارکت اساسی در مطالعه دادههای از دست رفته داشته است. ویژگیهای کلیدی کتاب عبارتند از: پوشش جامع یک حوزه مهم هم برای تحقیق و هم برای کاربردها. رویکردی عملگرایانه برای توصیف طیف وسیعی از تکنیکهای آماری متوسط و پیشرفته اتخاذ میکند. کلیدهای کلیدی را پوشش میدهد. موضوعاتی مانند انتساب چندگانه، امتیازات تمایل، متغیرهای ابزاری و استنتاج بیزی. شامل تعدادی برنامه کاربردی از علوم اجتماعی و بهداشتی است. توسط محققان بسیار معتبر در منطقه ویرایش و تألیف شده است.
This book brings together a collection of articles on statistical methods relating to missing data analysis, including multiple imputation, propensity scores, instrumental variables, and Bayesian inference. Covering new research topics and real-world examples which do not feature in many standard texts. The book is dedicated to Professor Don Rubin (Harvard). Don Rubin has made fundamental contributions to the study of missing data.Key features of the book include:Comprehensive coverage of an imporant area for both research and applications.Adopts a pragmatic approach to describing a wide range of intermediate and advanced statistical techniques.Covers key topics such as multiple imputation, propensity scores, instrumental variables and Bayesian inference.Includes a number of applications from the social and health sciences.Edited and authored by highly respected researchers in the area.