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: احتمال ویرایش: Corrected نویسندگان: James K. Lindsey سری: Springer Texts in Statistics ISBN (شابک) : 9780387982182, 0387982183 ناشر: Springer سال نشر: 2000 تعداد صفحات: 272 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 1 مگابایت
در صورت تبدیل فایل کتاب Applying Generalized Linear Models 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 استفاده از مدلهای خطی تعمیم یافته 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 توضیح میدهد که چگونه میتوان از روشهای مدلسازی خطی تعمیمیافته برای مدلسازی آماری در بسیاری از زمینههای مختلف، بدون گم شدن در مشکلات استنتاج آماری استفاده کرد. بسیاری از دانشآموزان، حتی در دورههای آمار نسبتاً پیشرفته، دید کلی ندارند که به موجب آن بتوانند ببینند که سه حوزه، مدلهای طبقهبندی نرمال خطی و مدلهای بقا، اشتراکات زیادی دارند. نویسنده وحدت بسیاری از مدلهای متداول را نشان میدهد و طعم بسیاری از حوزههای مختلف مانند مدلهای بقا، سریهای زمانی و تحلیل فضایی و وحدت آنها را در اختیار خواننده قرار میدهد. این کتاب باید برای آماردانان کاربردی و دانشمندانی که مبنایی اساسی در آمار مدرن دارند جذاب باشد. با تمرینهای فراوان در انتهای فصلها، باید متنی عالی برای آموزش کاربردهای اساسی مدلسازی آماری به دانشجویان آمار کاربردی و رشتههای غیرآماری باشد. فرض بر این است که خواننده از اصول اولیه آماری آگاهی دارد! خواه از نقطه نظر بیزی، مکرر یا احتمال مستقیم، حداقل با تحلیل مدل های خطی نرمال ساده تر، رگرسیون و ANOVA آشنا هستند.
This book describes how generalized linear modelling procedures can be used for statistical modelling in many different fields, without becoming lost in problems of statistical inference. Many student, even in relatively advanced statistics courses, do not have an overview whereby they can see that the three areas, linear normal categorical, and survival models, have much in common. The author shows the unity of many of the commonly used models and provides the reader with a taste of many different areas, such as survival models, time series, and spatial analysis, and of their unity. This book should appeal to applied statisticians and to scientists having a basic grounding in modern statistics. With the many exercises at the end of the chapters, it should constitute an excellent text for teaching applied statistics students and non- statistics majors the fundamental uses of statistical modelling. The reader is assumed to have knowledge of basic statistical princi! ples, whether from a Bayesian, frequentist, or direct likelihood point of view, being familiar at least with the analysis of the simpler normal linear models, regression and ANOVA.