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:
نویسندگان: Fieller. Nick
سری: Chapman & Hall/CRC the R series (CRC Press)
ISBN (شابک) : 9781498712385, 149871238X
ناشر: CRC Press
سال نشر: 2015
تعداد صفحات: 239
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب مبانی جبر ماتریس برای آمار با R: آمار ریاضی، پردازش داده ها
در صورت تبدیل فایل کتاب Basics of Matrix Algebra for Statistics with R 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 مبانی جبر ماتریس برای آمار با R 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.
یک راهنمای کامل برای جبر ماتریس ابتدایی و پیاده سازی در R مبانی جبر ماتریس برای آمار با R راهنمای جبر ماتریس ابتدایی را ارائه می دهد که برای انجام دوره های تخصصی، مانند تجزیه و تحلیل داده های چند متغیره و مدل های خطی کافی است. همچنین موضوعات پیشرفتهای مانند معکوسهای تعمیمیافته ماتریسهای تکی و مستطیلی و دستکاری ماتریسهای تقسیمبندیشده را برای کسانی که میخواهند عمیقتر در موضوع بررسی کنند، پوشش میدهد. این کتاب تعریف ماتریس و قوانین اساسی جمع، تفریق، ضرب و وارونگی را معرفی می کند. مباحث بعدی شامل تعیین کننده ها، محاسبه بردارهای ویژه و مقادیر ویژه، و تمایز اشکال خطی و درجه دوم با توجه به بردارها است. این متن به بررسی چگونگی ظهور این مفاهیم در تکنیکهای آماری، از جمله تحلیل مؤلفههای اصلی، تحلیل همبستگی متعارف و مدلسازی خطی میپردازد. علاوه بر دستکاری جبری ماتریسها، این کتاب مثالهای عددی را ارائه میکند که نحوه انجام محاسبات را با دست و با استفاده از R نشان میدهد. بسیاری از تمرینهای نظری و عددی با سطوح مختلف دشواری به خوانندگان در ارزیابی دانش خود از مطالب کمک میکنند. راه حل های طرح کلی در پشت کتاب خوانندگان را قادر می سازد تا تکنیک های مورد نیاز را بررسی کنند و پاسخ های عددی را به دست آورند. این کتاب با اجتناب از فضاهای برداری و سایر ریاضیات پیشرفته، نحوه دستکاری ماتریس ها و انجام محاسبات عددی در R را نشان می دهد. خوانندگان را برای مطالعات سطح بالاتر و تخصصی در آمار آماده می کند.
A Thorough Guide to Elementary Matrix Algebra and Implementation in R Basics of Matrix Algebra for Statistics with R provides a guide to elementary matrix algebra sufficient for undertaking specialized courses, such as multivariate data analysis and linear models. It also covers advanced topics, such as generalized inverses of singular and rectangular matrices and manipulation of partitioned matrices, for those who want to delve deeper into the subject. The book introduces the definition of a matrix and the basic rules of addition, subtraction, multiplication, and inversion. Later topics include determinants, calculation of eigenvectors and eigenvalues, and differentiation of linear and quadratic forms with respect to vectors. The text explores how these concepts arise in statistical techniques, including principal component analysis, canonical correlation analysis, and linear modeling. In addition to the algebraic manipulation of matrices, the book presents numerical examples that illustrate how to perform calculations by hand and using R. Many theoretical and numerical exercises of varying levels of difficulty aid readers in assessing their knowledge of the material. Outline solutions at the back of the book enable readers to verify the techniques required and obtain numerical answers. Avoiding vector spaces and other advanced mathematics, this book shows how to manipulate matrices and perform numerical calculations in R. It prepares readers for higher-level and specialized studies in statistics.
Front Cover......Page 1
Contents......Page 10
Preface......Page 18
Chapter 1: Introduction......Page 20
Chapter 2: Vectors and Matrices......Page 40
Chapter 3: Rank of Matrices......Page 70
Chapter 4: Determinants......Page 78
Chapter 5: Inverses......Page 90
Chapter 6: Eigenanalysis of Real Symmetric Matrices......Page 102
Chapter 7: Vector and Matrix Calculus......Page 122
Chapter 8: Further Topics......Page 132
Chapter 9: Key Applications to Statistics......Page 162
Bibliography......Page 236
Back Cover......Page 240