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: برنامه نویسی: زبان های برنامه نویسی ویرایش: نویسندگان: Youngjo Lee, Lars Ronnegard, Maengseok Noh سری: ISBN (شابک) : 1138627828, 9781138627826 ناشر: Chapman and Hall/CRC سال نشر: 2017 تعداد صفحات: 317 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 22 مگابایت
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل داده ها با استفاده از مدل های خطی تعمیم یافته سلسله مراتبی با R: احتمال و آمار، کاربردی، ریاضیات، علوم و ریاضی، آمار، ریاضیات، علوم و ریاضیات، کتاب های درسی جدید، مستعمل و اجاره ای، بوتیک تخصصی
در صورت تبدیل فایل کتاب Data Analysis Using Hierarchical Generalized Linear Models 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 تجزیه و تحلیل داده ها با استفاده از مدل های خطی تعمیم یافته سلسله مراتبی 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.
از زمان معرفی، مدلهای خطی تعمیم یافته سلسله مراتبی (HGLMs) در زمینههای مختلف با اجازه دادن به اثرات تصادفی در مدلهای رگرسیون مفید بودهاند. علاقه به این موضوع افزایش یافته است و ابزارهای تحلیلی عملی مختلفی توسعه یافته است. این کتاب تحولات در این زمینه را خلاصه میکند و با استفاده از مثالهای داده، نحوه تجزیه و تحلیل انواع مختلف دادهها را با استفاده از R نشان میدهد. یک رویکرد احتمال به مدلسازی آماری پیشرفته از جمله مدلهای خطی تعمیمیافته با اثرات تصادفی، مدلهای تحلیل بقا و شکنندگی، HGLMهای چند متغیره ارائه میکند. مدلهای معادلات ساختاری و عاملی، مدلسازی قوی اثرات تصادفی، مدلهایی شامل جریمه و انتخاب متغیر و آزمون فرضیهها.
این کتاب نمونه محور عمدتاً برای محققان و دانشجویان فارغالتحصیل طراحی شده است. کسانی که مایل به انجام مدلسازی دادهها فراتر از چارچوب مکررگرا هستند، و بهویژه برای کسانی که در جستجوی پلی بین آمار بیزی و فراوانی هستند.
Since their introduction, hierarchical generalized linear models (HGLMs) have proven useful in various fields by allowing random effects in regression models. Interest in the topic has grown, and various practical analytical tools have been developed. This book summarizes developments within the field and, using data examples, illustrates how to analyse various kinds of data using R. It provides a likelihood approach to advanced statistical modelling including generalized linear models with random effects, survival analysis and frailty models, multivariate HGLMs, factor and structural equation models, robust modelling of random effects, models including penalty and variable selection and hypothesis testing.
This example-driven book is aimed primarily at researchers and graduate students, who wish to perform data modelling beyond the frequentist framework, and especially for those searching for a bridge between Bayesian and frequentist statistics.
Content: Introduction. GLMs via iterative weighted least squares. Inference for models with unobservables. HGLMs: from Method to Algorithm. HGLM modelling in R. Double HGLMS - using the dhglm package. Fitting multivariate HGLMs. Survival analysis. Joint models. Further Topics.