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: 1 نویسندگان: Robert A. Rigby (Author), Mikis D. Stasinopoulos (Author), Gillian Z. Heller (Author), Fernanda De Bastiani (Author) سری: ISBN (شابک) : 9780367278847, 9781000700572 ناشر: Chapman and Hall/CRC سال نشر: 2019 تعداد صفحات: 589 زبان: فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 29 مگابایت
در صورت تبدیل فایل کتاب Distributions for Modeling Location, Scale, and Shape-Using GAMLSS in 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 توزیعهایی برای مدلسازی مکان، مقیاس و GAMLSS با استفاده از شکل در 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.
This is a book about statistical distributions, their properties, and their application to modelling the dependence of the location, scale, and shape of the distribution of a response variable on explanatory variables. It will be especially useful to applied statisticians and data scientists in a wide range of application areas, and also to those interested in the theoretical properties of distributions. This book follows the earlier book ‘Flexible Regression and Smoothing: Using GAMLSS in R’, [Stasinopoulos et al., 2017], which focused on the GAMLSS model and software. GAMLSS (the Generalized Additive Model for Location, Scale, and Shape, [Rigby and Stasinopoulos, 2005]), is a regression framework in which the response variable can have any parametric distribution and all the distribution parameters can be modelled as linear or smooth functions of explanatory variables. The current book focuses on distributions and their application.
Key features:
This book will be useful for applied statisticians and data scientists in selecting a distribution for a univariate response variable and modelling its dependence on explanatory variables, and to those interested in the properties of distributions.
Part I: Parametric distributions and the GAMLSS family of distributions
Types of distributions
Properties of distributions
The GAMLSS Family of Distributions
Continuous distributions on (−∞,∞)
Continuous distributions on (0, ∞)
Continuous distributions on (0, 1)
Discrete count distributions
Binomial type distributions
Mixed distributions
Part II: Advanced Topics
Statistical inference
Maximum likelihood estimation
Robustness of parameter estimation to outlier contamination
Methods of generating distributions
Discussion of skewness
Discussion of kurtosis
Skewness and kurtosis comparisons of continuous distributions
Heaviness of tails of distributions
Part III: Reference Guide
Continuous distributions on (−∞,∞)
Continuous distributions on (0, ∞)
Mixed distributions on [0 to ∞)
Continuous and mixed distributions on [0, 1]
Discrete count distributions
Binomial type distributions and multinomial distributions
Appendices