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: [Paperback ed.]
نویسندگان: Julian J. Faraway
سری:
ISBN (شابک) : 149872096X, 9781498720960
ناشر: T&F/Crc Press
سال نشر: 2016
تعداد صفحات: 413
[411]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 37 Mb
در صورت تبدیل فایل کتاب Extending the Linear Model 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 بسط مدل خطی 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.
این کتاب درسی همچنان طیف وسیعی از تکنیکها را پوشش میدهد که
از مدل رگرسیون خطی رشد میکنند. این سه پسوند برای چارچوب خطی
ارائه میکند: GLMs، مدلهای اثر مختلط، و مدلهای رگرسیون
ناپارامتریک. این کتاب تجزیه و تحلیل داده ها را با استفاده از
مثال های واقعی توضیح می دهد و شامل تمام دستورات R لازم برای
بازتولید تجزیه و تحلیل ها می شود.
شروع به تجزیه و تحلیل طیف گسترده ای از مسائل کنید
از زمان انتشار نسخه اول پرفروش و بسیار توصیه شده، R به طور قابل
توجهی هم از نظر محبوبیت و هم از نظر تعداد بسته های موجود گسترش
یافته است. بسط مدل خطی با R: مدلهای خطی تعمیمیافته، اثرات
مختلط و مدلهای رگرسیون ناپارامتری، نسخه دوم از قابلیتهای
بیشتری که اکنون در R موجود است بهره میبرد و به طور اساسی چندین
موضوع را اصلاح و اضافه میکند.
جدید به نسخه دوم
-> پوشش گسترده ای از پاسخ های باینری و دو جمله ای، از جمله
پاسخ های نسبت، رگرسیون شبه دو جمله ای و بتا، و ملاحظات کاربردی
در مورد این مدل ها
-> بخش های جدید در پواسون مدلهای دارای پراکندگی، مدلهای
تعداد تورم صفر، تجزیه و تحلیل متمایز خطی، و تخمین ساندویچی و
قوی برای مدلهای خطی تعمیمیافته (GLMs)
-> فصلهای اصلاحشده در مورد اثرات تصادفی و اقدامات مکرر که
منعکسکننده تغییرات در بسته lme4 هستند و نشان میدهند که چگونه
انجام آزمایش فرضیه برای مدلها با استفاده از روشهای دیگر
-> فصل جدید در تحلیل بیزی مدلهای اثر مختلط که استفاده از
STAN را نشان میدهد و روش تقریبی INLA را ارائه میکند
-> فصل تجدیدنظر شده در مورد مخلوط خطی تعمیم یافته مدلهایی
برای منعکسکننده انتخاب بسیار غنیتر نرمافزار برازش که اکنون
در دسترس است
-> پوشش بهروز شده خطوط و نوارهای اطمینان در فصل رگرسیون
ناپارامتریک
-> مطالب جدید در مورد جنگلهای تصادفی برای رگرسیون و
طبقهبندی
-> کد R اصلاح شده در سرتاسر، به ویژه نمودارهای زیادی که از
بسته ggplot2 استفاده می کنند
-> تمرینات اصلاح شده و توسعه یافته با راه حل هایی که اکنون
در آن گنجانده شده است
-> تعامل تئوری و عمل را نشان می دهد
ویژگی ها
-> جعبه ابزار به روز و مجهزی از روش های آماری را در اختیار
خوانندگان قرار می دهد
-> شامل مثال های واقعی متعددی است که استفاده از R را برای
تجزیه و تحلیل داده ها نشان می دهد.
-> شامل تشخیص GLM، مدل های ترکیبی خطی تعمیم یافته، درختان، و
استفاده از شبکه های عصبی در آمار است
-> بررسی مدل های خطی و همچنین اصول اولیه استفاده از R
-> ارائه می دهد مجموعه داده ها و سایر مطالب در وب سایت
نویسنده
This textbook continues to cover a range of techniques that
grow from the linear regression model. It presents three
extensions to the linear framework: GLMs, mixed effect models,
and nonparametric regression models. The book explains data
analysis using real examples and includes all the R commands
necessary to reproduce the analyses.
Start Analyzing a Wide Range of Problems
Since the publication of the bestselling, highly recommended
first edition, R has considerably expanded both in popularity
and in the number of packages available. Extending the Linear
Model with R: Generalized Linear, Mixed Effects and
Nonparametric Regression Models, Second Edition takes advantage
of the greater functionality now available in R and
substantially revises and adds several topics.
New to the Second Edition
-> Expanded coverage of binary and binomial responses,
including proportion responses, quasibinomial and beta
regression, and applied considerations regarding these
models
-> New sections on Poisson models with dispersion, zero
inflated count models, linear discriminant analysis, and
sandwich and robust estimation for generalized linear models
(GLMs)
-> Revised chapters on random effects and repeated measures
that reflect changes in the lme4 package and show how to
perform hypothesis testing for the models using other
methods
-> New chapter on the Bayesian analysis of mixed effect
models that illustrates the use of STAN and presents the
approximation method of INLA
-> Revised chapter on generalized linear mixed models to
reflect the much richer choice of fitting software now
available
-> Updated coverage of splines and confidence bands in the
chapter on nonparametric regression
-> New material on random forests for regression and
classification
-> Revamped R code throughout, particularly the many plots
using the ggplot2 package
-> Revised and expanded exercises with solutions now
included
-> Demonstrates the Interplay of Theory and Practice
Features
-> Provides readers with an up-to-date, well-stocked toolbox
of statistical methodologies
-> Includes numerous real examples that illustrate the use
of R for data analysis
-> Covers GLM diagnostics, generalized linear mixed models,
trees, and the use of neural networks in statistics
-> Reviews linear models as well as the basics of using
R
-> Offers the datasets and other material on the author’s
website