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: سایبرنتیک: هوش مصنوعی ویرایش: 1 نویسندگان: Stef van Buuren سری: Chapman & Hall/CRC Interdisciplinary Statistics ISBN (شابک) : 1439868247, 9781439868249 ناشر: Chapman and Hall/CRC سال نشر: 2012 تعداد صفحات: 326 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 11 مگابایت
کلمات کلیدی مربوط به کتاب ورود انعطاف پذیر از داده های گمشده: علوم و مهندسی کامپیوتر، هوش مصنوعی، داده کاوی
در صورت تبدیل فایل کتاب Flexible Imputation of Missing Data 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 ورود انعطاف پذیر از داده های گمشده 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.
داده های از دست رفته در هر رشته علمی مشکل ایجاد می کند، اما تکنیک های مورد نیاز برای رسیدگی به آنها پیچیده و اغلب فاقد آن هستند. یکی از ایدههای عالی در علم آمار - انتساب چندگانه - شکافهای دادهها را با مقادیر قابل قبولی پر میکند که عدم قطعیت آن در خود داده کدگذاری شده است. همچنین مشکلات دیگری را حل میکند، که بسیاری از آنها مشکلات دادهای را پنهان نمیکنند.
انطباق انعطافپذیر دادههای از دست رفته با استفاده از نمونههای بسیاری با استفاده از دادههای واقعی برگرفته از تجربه گسترده نویسنده از تحقیقات مشترک پشتیبانی میشود و راهنمای عملی برای مدیریت دادههای از دست رفته در چارچوب انتساب چندگانه علاوه بر این، راهنمای دقیق پیادهسازی در R با استفاده از بسته MICE نویسنده در سراسر کتاب گنجانده شده است.
با فرض آشنایی با مفاهیم اولیه آماری و روشهای چند متغیره، انطباق انعطافپذیر گمشده دادهها برای دو مخاطب در نظر گرفته شده است:
این کتاب آزمایش شده توسط فارغ التحصیلان تا حد امکان از جزئیات ریاضی و فنی پرهیز می کند: فرمول ها با یک عبارت شفاهی همراه هستند که فرمول را به صورت غیر عادی توضیح می دهد. خوانندگانی که کمتر به مبانی نظری توجه دارند، می توانند ایده کلی را دریافت کنند و مطالب فنی برای کسانی که خواهان درک عمیق تر هستند در دسترس است. تجزیه و تحلیل ها را می توان در R با استفاده از یک بسته اختصاصی توسعه یافته توسط نویسنده تکرار کرد.
Missing data form a problem in every scientific discipline, yet the techniques required to handle them are complicated and often lacking. One of the great ideas in statistical science—multiple imputation—fills gaps in the data with plausible values, the uncertainty of which is coded in the data itself. It also solves other problems, many of which are missing data problems in disguise.
Flexible Imputation of Missing Data is supported by many examples using real data taken from the author's vast experience of collaborative research, and presents a practical guide for handling missing data under the framework of multiple imputation. Furthermore, detailed guidance of implementation in R using the author’s package MICE is included throughout the book.
Assuming familiarity with basic statistical concepts and multivariate methods, Flexible Imputation of Missing Data is intended for two audiences:
This graduate-tested book avoids mathematical and technical details as much as possible: formulas are accompanied by a verbal statement that explains the formula in layperson terms. Readers less concerned with the theoretical underpinnings will be able to pick up the general idea, and technical material is available for those who desire deeper understanding. The analyses can be replicated in R using a dedicated package developed by the author.
Front Cover......Page 1
Dedication......Page 8
Contents......Page 10
Foreword......Page 18
Preface......Page 20
About the Author......Page 22
Symbol Description......Page 24
List of Algorithms......Page 26
I. Basics......Page 28
1. Introduction......Page 30
2. Multiple imputation......Page 52
3. Univariate missing data......Page 80
4. Multivariate missing data......Page 122
5. Imputation in practice......Page 150
6. Analysis of imputed data......Page 180
II. Case studies......Page 196
7. Measurement issues......Page 198
8. Selection issues......Page 232
9. Longitudinal data......Page 248
III. Extensions......Page 274
10. Conclusion......Page 276
A. Software......Page 290
References......Page 296