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: نویسندگان: Adrian W. Bowman Adelchi Azzalini سری: ISBN (شابک) : 0198523963, 9780585484105 ناشر: سال نشر: 1997 تعداد صفحات: 205 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Applied Smoothing Techniques for Data Analysis: The Kernel Approach with S-Plus Illustrations 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 تکنیک های هموار سازی کاربردی برای تجزیه و تحلیل داده ها: رویکرد هسته با تصاویر S-Plus 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 استفاده از تکنیک های هموارسازی را در آمار توصیف می کند و شامل تخمین چگالی و رگرسیون ناپارامتریک می باشد. با ترکیب پیشرفتهای اخیر، روشهای مختلفی برای اعمال این روشها در مسائل عملی توضیح داده میشود. اگرچه تاکید بر استفاده از تکنیکهای هموارسازی برای کاوش گرافیکی دادهها است، بحث همچنین تجزیه و تحلیل دادهها را با منحنیهای ناپارامتریک، به عنوان بسط مدلهای پارامتری استانداردتر، پوشش میدهد. این کتاب که به عنوان یک مقدمه در نظر گرفته شده است، با تمرکز بر کاربردها به جای تئوری دقیق، برای دانشجویان کارشناسی و کارشناسی ارشد در آمار و برای طیف گسترده ای از دانشمندان علاقه مند به تکنیک های آماری به همان اندازه ارزشمند خواهد بود. متن به S-Plus اشاره گسترده ای دارد. ، یک محیط محاسباتی قدرتمند برای کاوش داده ها است و بسیاری از توابع S-Plus و نمونه اسکریپت ها را ارائه می دهد. با این حال، این مطالب مستقل از متن اصلی است و ممکن است توسط خوانندگانی که به S-Plus علاقه ندارند از آن صرف نظر کنند.
This book describes the use of smoothing techniques in statistics and includes both density estimation and nonparametric regression. Incorporating recent advances, it describes a variety of ways to apply these methods to practical problems. Although the emphasis is on using smoothing techniques to explore data graphically, the discussion also covers data analysis with nonparametric curves, as an extension of more standard parametric models. Intended as an introduction, with a focus on applications rather than on detailed theory, the book will be equally valuable for undergraduate and graduate students in statistics and for a wide range of scientists interested in statistical techniques.The text makes extensive reference to S-Plus, a powerful computing environment for exploring data, and provides many S-Plus functions and example scripts. This material, however, is independent of the main body of text and may be skipped by readers not interested in S-Plus.