Distributions for Modeling Location, Scale, and Shape-Using GAMLSS in R

این کتابی درباره توزیع‌های آماری، ویژگی‌های آن‌ها و کاربرد آن‌ها برای مدل‌سازی وابستگی مکان، مقیاس و شکل توزیع یک متغیر پاسخ به متغیرهای توضیحی است. این به ویژه برای آماردانان کاربردی و دانشمندان داده در طیف گسترده ای از حوزه های کاربردی و همچنین برای کسانی که علاقه مند به ویژگی های نظری توزیع هستند مفید خواهد بود. این کتاب از کتاب قبلی «رگرسیون انعطاف‌پذیر و هموارسازی: استفاده از GAMLSS در R»، [استاسینوپولوس و همکاران، 2017] پیروی می‌کند که بر مدل و نرم‌افزار GAMLSS تمرکز داشت. GAMLSS (مدل افزودنی تعمیم یافته برای مکان، مقیاس و شکل، [ریگبی و استاسینوپولوس، 2005])، یک چارچوب رگرسیونی است که در آن متغیر پاسخ می تواند هر توزیع پارامتری داشته باشد و همه پارامترهای توزیع می توانند به عنوان توابع خطی یا صاف متغیرهای توضیحی مدل‌سازی شوند. کتاب حاضر بر توزیع ها و کاربرد آنها تمرکز دارد.

ویژگی های کلیدی:

< p>

• بیش از 100 توزیع را توصیف می‌کند (که در بسته‌های GAMLSS در R پیاده‌سازی شده است)، از جمله توزیع‌های پیوسته، گسسته و مختلط.

< p>

• درباره ویژگی‌های توزیع‌ها، از جمله چولگی، کشیدگی، استحکام و طبقه‌بندی مهم سنگینی دم بحث می‌کند.

• شامل توزیع‌های ترکیبی است که توزیع‌های پیوسته با مقادیر خاص اضافی با احتمالات نقطه‌ای هستند.

• شامل بسیاری از نمونه‌های داده واقعی، با کد R یکپارچه شده در متن برای سهولت درک و تکرار.

< p>

• تکمیل شده توسط وب سایت gamlss.

این کتاب برای آماردانان کاربردی و دانشمندان داده در انتخاب توزیعی برای پاسخ تک متغیره مفید خواهد بود. متغیر و مدل سازی وابستگی آن به متغیرهای توضیحی و برای کسانی که علاقه مند به ویژگی های توزیع هستند.

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:

• Describes over 100 distributions, (implemented in the GAMLSS packages in R), including continuous, discrete and mixed distributions.

• Comprehensive summary tables of the properties of the distributions.

• Discusses properties of distributions, including skewness, kurtosis, robustness and an important classification of tail heaviness.

• Includes mixed distributions which are continuous distributions with additional specific values with point probabilities.

• Includes many real data examples, with R code integrated in the text for ease of understanding and replication.

• Supplemented by the gamlss website.

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.