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: Online-Ausg.
نویسندگان: Basilevsky. Alexander
سری: Dover Books on Mathematics; EBL-Schweitzer
ISBN (شابک) : 9780486153377, 0486153371
ناشر: Dover Publications
سال نشر: 2013
تعداد صفحات: 722
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 10 مگابایت
در صورت تبدیل فایل کتاب Applied Matrix Algebra in the Statistical Sciences 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 جبر ماتریس کاربردی در علوم آماری 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.
2.6 طرح متعامد یک بردار2.7 تبدیل مختصات. فصل سوم - ماتریس ها و سیستم های معادلات خطی; 3.1 مقدمه; 3.2 انواع کلی ماتریس. 3.3 عملیات ماتریسی. 3.4 توابع اسکالر ماتریسی. 3.5 وارونگی ماتریس. 3.6 ماتریس های ابتدایی و هم ارزی ماتریس. 3.7 تبدیل های خطی و سیستم های معادلات خطی. فصل 4 - ماتریس های نوع خاص; 4.1 ماتریس های متقارن. 4.2 ماتریس های متقارن-ارائی. 4.3 ماتریس های قطعی مثبت و فرم های درجه دوم. 4.4 تمایز شامل بردارها و ماتریس ها. 4.5 ماتریس های بی توان.
4.6 ماتریس های بی توان 4.7 ماتریس های متعامد. 4.8 ماتریس های طرح ریزی. 4.9 ماتریس های پارتیشن بندی شده. 4.10 ماتریس انجمن. 4.11 نتیجه گیری; فصل پنجم - ریشه های نهفته و بردارهای نهفته; 5.1 مقدمه; 5.2 خصوصیات عمومی ریشه های نهفته و بردارهای نهفته. 5.3 ریشه های پنهان و بردارهای پنهان ماتریس های نوع خاص. 5.4 بردارهای نهفته چپ و راست. 5.5 تجزیه همزمان دو ماتریس متقارن. 5.6 هنجارها و محدودیت های ماتریس برای ریشه های پنهان. 5.7 چندین برنامه آماری. فصل 6 - معکوس های ماتریس تعمیم یافته; 6.1 مقدمه; 6.2 معادلات خطی سازگار.
6.3 معادلات خطی ناسازگار6.4 معکوس تعمیم یافته منحصر به فرد. 6.5 کاربردهای آماری; فصل 7 - ماتریس های غیر منفی و مورب غالب. 7.1 مقدمه; 7.2 ماتریس های غیر منفی. 7.3 نمودارها و ماتریس های غیر منفی. 7.4 ماتریس های مورب غالب: تحلیل ورودی-خروجی. 7.5 کاربردهای آماری; منابع؛ Index.
این متن جامع هر دو شاخه کاربردی و نظری جبر ماتریسی در علوم آماری را پوشش میدهد. همچنین پلی بین جبر خطی و مدل های آماری ایجاد می کند. مناسب برای دانشجویان پیشرفته کارشناسی و کارشناسی ارشد، درمان مستقل نیز مرجع مفیدی برای محققان است. تنها پیش زمینه ریاضی لازم، دانش صحیح ریاضیات دبیرستان و اولین دوره در آمار است. این جلد از دو بخش مرتبط با هم تشکیل شده است و با ساختار اصلی بردارها و فضاهای برداری آغاز می شود. قسمت آخر بر d تأکید دارد.
2.6 The Orthogonal Projection of a Vector2.7 Transformation of Coordinates; Chapter 3 - Matrices and Systems of Linear Equations; 3.1 Introduction; 3.2 General Types of Matrices; 3.3 Matrix Operations; 3.4 Matrix Scalar Functions; 3.5 Matrix Inversion; 3.6 Elementary Matrices and Matrix Equivalence; 3.7 Linear Transformations and Systems of Linear Equations; Chapter 4 - Matrices of Special Type; 4.1 Symmetric Matrices; 4.2 Skew-Symmetric Matrices; 4.3 Positive Definite Matrices and Quadratic Forms; 4.4 Differentiation Involving Vectors and Matrices; 4.5 Idempotent Matrices.
4.6 Nilpotent Matrices4.7 Orthogonal Matrices; 4.8 Projection Matrices; 4.9 Partitioned Matrices; 4.10 Association Matrices; 4.11 Conclusion; Chapter 5 - Latent Roots and Latent Vectors; 5.1 Introduction; 5.2 General Properties of Latent Roots and Latent Vectors; 5.3 Latent Roots and Latent Vectors of Matrices of Special Type; 5.4 Left and Right Latent Vectors; 5.5 Simultaneous Decomposition of Two Symmetric Matrices; 5.6 Matrix Norms and Limits for Latent Roots; 5.7 Several Statistical Applications; Chapter 6 - Generalized Matrix Inverses; 6.1 Introduction; 6.2 Consistent Linear Equations.
6.3 Inconsistent Linear Equations6.4 The Unique Generalized Inverse; 6.5 Statistical Applications; Chapter 7 - Nonnegative and Diagonally Dominant Matrices; 7.1 Introduction; 7.2 Nonnegative Matrices; 7.3 Graphs and Nonnegative Matrices; 7.4 Dominant Diagonal Matrices: Input-Output Analysis; 7.5 Statistical Applications; References; Index.
This comprehensive text covers both applied and theoretical branches of matrix algebra in the statistical sciences. It also provides a bridge between linear algebra and statistical models. Appropriate for advanced undergraduate and graduate students, the self-contained treatment also constitutes a handy reference for researchers. The only mathematical background necessary is a sound knowledge of high school mathematics and a first course in statistics.Consisting of two interrelated parts, this volume begins with the basic structure of vectors and vector spaces. The latter part emphasizes the d. Read more...