Applied Multivariate Statistics with R

این کتاب قدرت آمارهای چند متغیره را برای شاغلین در سطح فارغ التحصیل به ارمغان می آورد و این روش های تحلیلی را بدون مشتقات ریاضی طولانی در دسترس قرار می دهد. پروفسور زلترمن با استفاده از منبع باز، برنامه اشتراک‌افزار R، فرآیند و نتایج را برای طیف وسیعی از برنامه‌های آماری چند متغیره نشان می‌دهد. فصل‌ها شامل نمایش‌های گرافیکی، جبر خطی، توزیع‌های عادی تک متغیره، دو متغیره و چند متغیره، روش‌های عاملی، رگرسیون خطی، تبعیض و طبقه‌بندی، خوشه‌بندی، مدل‌های سری زمانی و روش‌های اضافی می‌شوند. زلترمن از نمونه‌های عملی از رشته‌های مختلف برای استقبال از خوانندگانی از تخصص‌های مختلف دانشگاهی استفاده می‌کند. کسانی که پیشینه آماری دارند، در حالی که موضوعات آشناتر را مرور می کنند، روش های جدیدی را یاد خواهند گرفت. فصل ها شامل تمرین ها، مجموعه داده های واقعی و پیاده سازی R می باشد. داده ها موضوعات جالب و دنیای واقعی هستند، به ویژه از زمینه های سلامت و زیست شناسی. به عنوان نمونه ای از رویکرد، متن نمونه ای از سیستم نظارت بر عوامل خطر رفتار را مورد بررسی قرار می دهد و در مورد کاستی های داده ها و همچنین تحلیل های مفید بحث می کند. متن از اشتقاقات نظری فراتر از آنهایی که برای درک کامل روشها لازم است اجتناب می کند. تجربه قبلی با R ضروری نیست.

This book brings the power of multivariate statistics to graduate-level practitioners, making these analytical methods accessible without lengthy mathematical derivations. Using the open source, shareware program R, Professor Zelterman demonstrates the process and outcomes for a wide array of multivariate statistical applications. Chapters cover graphical displays, linear algebra, univariate, bivariate and multivariate normal distributions, factor methods, linear regression, discrimination and classification, clustering, time series models, and additional methods. Zelterman uses practical examples from diverse disciplines to welcome readers from a variety of academic specialties. Those with backgrounds in statistics will learn new methods while they review more familiar topics. Chapters include exercises, real data sets, and R implementations. The data are interesting, real-world topics, particularly from health and biology-related contexts. As an example of the approach, the text examines a sample from the Behavior Risk Factor Surveillance System, discussing both the shortcomings of the data as well as useful analyses. The text avoids theoretical derivations beyond those needed to fully appreciate the methods. Prior experience with R is not necessary.