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: الگوریتم ها و ساختارهای داده ویرایش: 1 نویسندگان: J. Ramsay, B. W. Silverman سری: ISBN (شابک) : 0387949569, 9780387227511 ناشر: سال نشر: 1997 تعداد صفحات: 326 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Functional Data Analysis (Springer Series in Statistics) 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 تجزیه و تحلیل داده های تابعی (سری اسپرینگر در آمار) 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.
امروزه دانشمندان نمونه هایی از منحنی ها و سایر مشاهدات عملکردی را جمع آوری می کنند. این مونوگراف ایده ها و تکنیک های بسیاری را برای چنین داده هایی ارائه می کند. عبارتهایی در حوزه عملکردی کلاسیکهایی مانند رگرسیون خطی، تجزیه و تحلیل مولفههای اصلی، مدلسازی خطی، و تحلیل همبستگی متعارف، و همچنین تکنیکهای عملکردی خاص مانند ثبت منحنی و تحلیل دیفرانسیل اصلی گنجانده شدهاند. دادههایی که در برنامههای کاربردی واقعی به وجود میآیند، هم برای انگیزه و هم برای تصویرسازی استفاده میشوند و نشان میدهند که چگونه رویکردهای کاربردی به ما اجازه میدهند چیزهای جدیدی را ببینیم، بهویژه با بهرهبرداری از نرمی فرآیندهای تولید دادهها. مجموعه داده ها گستره وسیعی از تجزیه و تحلیل داده های عملکردی را نشان می دهد. آنها از تحلیل رشد، مترولوژی، بیومکانیک، علوم اسب، اقتصاد و پزشکی هستند. این کتاب فناوری آماری جدیدی را ارائه میکند در حالی که سطح ریاضی را به طور گسترده در دسترس نگه میدارد. این برنامه به گونه ای طراحی شده است که برای دانشجویان، تحلیلگران داده های کاربردی و محققان با تجربه جذاب باشد. هم در آمار و هم در طیف وسیعی از زمینه های دیگر ارزش خواهد داشت. بسیاری از مطالب بر اساس کار خود نویسندگان است که برخی از آنها برای اولین بار در اینجا ظاهر می شوند. جیم رمزی استاد روانشناسی در دانشگاه مک گیل است و یک مرجع بین المللی در بسیاری از جنبه های تحلیل چند متغیره است. او از همکاری خود با محققان در بیان گفتار، کنترل حرکتی، هواشناسی، روانشناسی و فیزیولوژی انسان استفاده می کند تا مشارکت فنی خود را در تجزیه و تحلیل داده های عملکردی در طیف گسترده ای از مجلات آماری و کاربردی نشان دهد. برنارد سیلورمن، نویسنده کتاب بسیار معتبر "تخمین چگالی برای آمار و تجزیه و تحلیل داده ها" و نویسنده "رگرسیون ناپارامتری و مدل های خطی تعمیم یافته: رویکرد مجازات ناهمواری"، استاد آمار در دانشگاه بریستول است. آثار منتشر شده او در مورد روشهای هموارسازی و سایر جنبههای آمارهای کاربردی، محاسباتی و نظری توسط جایزه رئیسجمهور کمیته روسای انجمنهای آماری و اعطای دو مدال گای توسط انجمن آماری سلطنتی به رسمیت شناخته شده است.
Scientists today collect samples of curves and other functional observations. This monograph presents many ideas and techniques for such data. Included are expressions in the functional domain of such classics as linear regression, principal components analysis, linear modelling, and canonical correlation analysis, as well as specifically functional techniques such as curve registration and principal differential analysis. Data arising in real applications are used throughout for both motivation and illustration, showing how functional approaches allow us to see new things, especially by exploiting the smoothness of the processes generating the data. The data sets exemplify the wide scope of functional data analysis; they are drwan from growth analysis, meterology, biomechanics, equine science, economics, and medicine. The book presents novel statistical technology while keeping the mathematical level widely accessible. It is designed to appeal to students, to applied data analysts, and to experienced researchers; it will have value both within statistics and across a broad spectrum of other fields. Much of the material is based on the authors' own work, some of which appears here for the first time. Jim Ramsay is Professor of Psychology at McGill University and is an international authority on many aspects of multivariate analysis. He draws on his collaboration with researchers in speech articulation, motor control, meteorology, psychology, and human physiology to illustrate his technical contributions to functional data analysis in a wide range of statistical and application journals. Bernard Silverman, author of the highly regarded "Density Estimation for Statistics and Data Analysis," and coauthor of "Nonparametric Regression and Generalized Linear Models: A Roughness Penalty Approach," is Professor of Statistics at Bristol University. His published work on smoothing methods and other aspects of applied, computational, and theoretical statistics has been recognized by the Presidents' Award of the Committee of Presidents of Statistical Societies, and the award of two Guy Medals by the Royal Statistical Society.