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: Brigitte Le Roux, Solène Bienaise, Jean-Luc Durand سری: Chapman & Hall/CRC Computer Science and Data Analysis ISBN (شابک) : 1498781616, 9781498781619 ناشر: CRC Press سال نشر: 2019 تعداد صفحات: xii+256 [269] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 Mb
در صورت تبدیل فایل کتاب Combinatorial Inference in Geometric Data Analysis 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 استنتاج ترکیبی در تحلیل داده های هندسی 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.
تجزیه و تحلیل داده های هندسی رویکردی از آمار چند متغیره را
تعیین می کند که مجموعه مشاهدات را به عنوان ابر اقلیدسی از نقاط
مفهوم می کند.استنتاج ترکیبی در تجزیه و تحلیل داده
های هندسینمای کلی از روش های استنتاج آماری چند بعدی ارائه
می کند. قابل استفاده برای ابرهای نقاطی که هیچ فرضی در مورد
فرآیند تولید داده یا توزیع ندارند، و مبتنی بر مدلسازی تصادفی
نیستند، بلکه بر اساس روشهای تغییر شکل مجدد در یک چارچوب ترکیبی
هستند.
این به ویژه بر مقایسه گروهی از مشاهدات با یک جمعیت مرجع (آزمون
ترکیبی) یا به یک مقدار مرجع پارامتر مکان (آزمون هندسی) و روی
مشکلات همگنی تمرکز دارد، یعنی مقایسه چندین گروه برای دو گروه.
طرح های اساسی این روش ها شامل استفاده از رویه های ترکیبی برای
ساختن مجموعه مرجعی است که داده ها را در آن قرار می دهیم. آمار
آزمون انتخابی منجر به پسوندهای اصلی، مانند تفسیر هندسی سطح
مشاهده شده، و ساخت یک منطقه سازگاری میشود.
ویژگیها:</ strong>
شی مورد مطالعه را دقیقاً در چارچوب رویه های چند بعدی تعریف می
کند، یعنی ابرهای نقطه
تست های ترکیبی و محاسبات مربوطه را با نرم افزار R و Coheris
SPAD ارائه می دهد
شامل چهار مطالعه موردی اصلی برای نشان دادن کاربرد آزمون ها می
باشد
< br />
شامل پیشینه ریاضی لازم برای اطمینان از خودکفا بودن آن است
این کتاب برای محققان و دانشجویان آمار چند متغیره و همچنین
کاربردی مناسب است. محققین رشته های مختلف علمی این می تواند برای
دوره های تخصصی که در سطح کارشناسی ارشد یا دکترا تدریس می شود
استفاده شود.
Geometric Data Analysis designates the approach of Multivariate
Statistics that conceptualizes the set of observations as a
Euclidean cloud of points.Combinatorial Inference
in Geometric Data Analysisgives an overview of
multidimensional statistical inference methods applicable to
clouds of points that make no assumption on the process of
generating data or distributions, and that are not based on
random modelling but on permutation procedures recasting in a
combinatorial framework.
It focuses particularly on the comparison of a group of
observations to a reference population (combinatorial test) or
to a reference value of a location parameter (geometric test),
and on problems of homogeneity, that is the comparison of
several groups for two basic designs. These methods involve the
use of combinatorial procedures to build a reference set in
which we place the data. The chosen test statistics lead to
original extensions, such as the geometric interpretation of
the observed level, and the construction of a compatibility
region.
Features:
Defines precisely the object under study in the context of
multidimensional procedures, that is clouds of points
Presents combinatorial tests and related computations with R
and Coheris SPAD software
Includes four original case studies to illustrate application
of the tests
Includes necessary mathematical background to ensure it is
self-contained
This book is suitable for researchers and students of
multivariate statistics, as well as applied researchers of
various scientific disciplines. It could be used for a
specialized course taught at either master or PhD level.