ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Extending the Linear Model with R

دانلود کتاب گسترش مدل خطی با R

Extending the Linear Model with R

مشخصات کتاب

Extending the Linear Model with R

دسته بندی: برنامه نویسی: زبان های برنامه نویسی
ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 0203492285, 0203492285 
ناشر: Chapman & Hall/CRC 
سال نشر: 2005 
تعداد صفحات: 345 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت

قیمت کتاب (تومان) : 40,000



کلمات کلیدی مربوط به کتاب گسترش مدل خطی با R: کتابخانه، ادبیات کامپیوتر، ر



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 17


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 گسترش 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.


توضیحاتی در مورد کتاب گسترش مدل خطی با R

مدل‌های خطی در عمل آمار نقش اساسی دارند و پایه طیف وسیعی از روش‌شناسی‌های آماری را تشکیل می‌دهند. مدل‌های خطی تحسین‌شده جولیان جی فاراوی با R، رگرسیون و تحلیل واریانس را بررسی کرد، روش‌های مختلف موجود را نشان داد و نشان داد که هر کدام در چه موقعیت‌هایی کاربرد دارند. به دنبال آن گام‌ها، گسترش مدل خطی با R تکنیک‌هایی را که از مدل رگرسیون رشد می‌کنند بررسی می‌کند، و سه پسوند را برای آن چارچوب ارائه می‌کند: مدل‌های خطی تعمیم‌یافته (GLMs)، مدل‌های اثر ترکیبی، و مدل‌های رگرسیون ناپارامتریک. درمان نویسنده کاملاً مدرن است و موضوعاتی را شامل می‌شود که شامل تشخیص GLM، مدل‌های ترکیبی خطی تعمیم‌یافته، درخت‌ها و حتی استفاده از شبکه‌های عصبی در آمار می‌شود. برای نشان دادن تأثیر متقابل تئوری و عمل، نویسنده در سراسر کتاب از محیط نرم افزار R برای تجزیه و تحلیل داده های نمونه های واقعی استفاده می کند و تمام دستورات R لازم برای بازتولید تحلیل ها را ارائه می دهد. تمام داده های شرح داده شده در کتاب در http://people.bath.ac.uk/jjf23/ELM/ موجود است. این کتاب جعبه ابزار کاملی از روش‌شناسی را ارائه می‌کند و با ارائه منحصربه‌فرد خود از این تکنیک‌های آماری بسیار مدرن، پتانسیل ایجاد زمینه جدیدی در نحوه تدریس دوره‌های تحصیلات تکمیلی در این زمینه را دارد.


توضیحاتی درمورد کتاب به خارجی

Linear models are central to the practice of statistics and form the foundation of a vast range of statistical methodologies. Julian J. Faraway\'s critically acclaimed Linear Models with R examined regression and analysis of variance, demonstrated the different methods available, and showed in which situations each one applies. Following in those footsteps, Extending the Linear Model with R surveys the techniques that grow from the regression model, presenting three extensions to that framework: generalized linear models (GLMs), mixed effect models, and nonparametric regression models. The author\'s treatment is thoroughly modern and covers topics that include GLM diagnostics, generalized linear mixed models, trees, and even the use of neural networks in statistics. To demonstrate the interplay of theory and practice, throughout the book the author weaves the use of the R software environment to analyze the data of real examples, providing all of the R commands necessary to reproduce the analyses. All of the data described in the book is available at http://people.bath.ac.uk/jjf23/ELM/ Statisticians need to be familiar with a broad range of ideas and techniques. This book provides a well-stocked toolbox of methodologies, and with its unique presentation of these very modern statistical techniques, holds the potential to break new ground in the way graduate-level courses in this area are taught.



فهرست مطالب

Book cover......Page 1
Series-Title......Page 2
Title......Page 7
Copyright......Page 8
Preface......Page 10
Contents......Page 12
1 Introduction......Page 14
2 Binomial Data......Page 41
3 Count Regression......Page 74
4 Contingency Tables......Page 89
5 Multinomial Data......Page 119
6 Generalized Linear Models......Page 139
7 Other GLMs......Page 162
8 Random Effects......Page 182
9 Repeated Measures and Longitudinal Data......Page 216
10 Mixed Effect Models for Nonnormal Responses......Page 234
11 Nonparametric Regression......Page 245
12 Additive Models......Page 267
13 Trees......Page 291
14 Neural Networks......Page 309
Appendix A......Page 320
Appendix B......Page 329
Bibliography......Page 331
Index......Page 337




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی