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 Generalized Additive Models: An Introduction with R

دانلود کتاب مدل های افزودنی تعمیم یافته: مقدمه ای با R

مشخصات کتاب

Generalized Additive Models: An Introduction with R

دسته بندی: آمار ریاضی
ویرایش: 1 
نویسندگان: Simon Wood  
سری: Chapman & Hall/CRC Texts in Statistical Science 
ISBN (شابک) : 1584884746, 9781584884743 
ناشر: Chapman and Hall/CRC 
سال نشر: 2006 
تعداد صفحات: 397 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 11 مگابایت

قیمت کتاب (تومان) : 33,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 12

در صورت تبدیل فایل کتاب Generalized Additive Models: An Introduction 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 مدل های افزودنی تعمیم یافته: مقدمه ای 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 مدل های افزودنی تعمیم یافته: مقدمه ای با R

در حال حاضر در استفاده گسترده، مدل های افزایشی تعمیم یافته (GAMs) به یک روش استاندارد آماری با انعطاف پذیری قابل توجه تبدیل شده اند. در حالی که مونوگراف تحقیقاتی برجسته هستی و تبشیرانی در سال 1990 در مورد GAMها تا حد زیادی مسئول این موضوع است، نیاز طولانی مدتی برای یک درمان مقدماتی در دسترس از این موضوع وجود داشته است که همچنین بر رویکردهای رگرسیون رگرسیون جریمه‌شده اخیر به GAMها و توسعه‌های مدل ترکیبی این مدل‌ها تأکید می‌کند. . مدل‌های افزودنی تعمیم‌یافته: مقدمه‌ای با R درک کاملی از تئوری و کاربردهای عملی GAMها و مدل‌های پیشرفته مرتبط را به شما می‌دهد و امکان استفاده آگاهانه از این ابزارهای بسیار انعطاف‌پذیر را فراهم می‌کند. نویسنده رویکرد خود را بر چارچوبی از خطوط رگرسیون جریمه‌شده استوار می‌کند و از طریق فصل‌های انگیزشی بر روی مدل‌های خطی خطی و تعمیم‌یافته، پایه‌ای مستدل می‌سازد. در حالی که کاملاً بر جنبه های عملی GAM ها متمرکز است، بحث ها شامل توضیحات نسبتاً کاملی از نظریه زیربنای روش ها است. استفاده از نرم‌افزار R رایگان در دسترس به توضیح نظریه کمک می‌کند و کاربردهای مدل‌های افزودنی خطی، خطی تعمیم‌یافته و تعمیم‌یافته، و همچنین پسوند اثر ترکیبی آن‌ها را نشان می‌دهد. درمان سرشار از مثال‌های عملی است و شامل یک فصل کامل در مورد تجزیه و تحلیل مجموعه داده‌های واقعی با استفاده از R و بسته الحاقی نویسنده mgcv است. هر فصل شامل تمرین هایی است که راه حل های کامل آن در پیوست ارائه شده است. مختصر، جامع، و اساساً مستقل، مدل‌های افزودنی تعمیم یافته: مقدمه‌ای با R، خوانندگان را با مهارت‌های عملی و پیش‌زمینه نظری مورد نیاز برای استفاده و درک GAMها و رفتن به سایر روش‌ها و مدل‌های مرتبط با GAM، مانند SS آماده می‌کند. رویکردهای ANOVA، P-splines، backfitting و Bayesian برای مدل‌سازی هموارسازی و افزودنی.

توضیحاتی درمورد کتاب به خارجی

Now in widespread use, generalized additive models (GAMs) have evolved into a standard statistical methodology of considerable flexibility. While Hastie and Tibshirani's outstanding 1990 research monograph on GAMs is largely responsible for this, there has been a long-standing need for an accessible introductory treatment of the subject that also emphasizes recent penalized regression spline approaches to GAMs and the mixed model extensions of these models. Generalized Additive Models: An Introduction with R imparts a thorough understanding of the theory and practical applications of GAMs and related advanced models, enabling informed use of these very flexible tools. The author bases his approach on a framework of penalized regression splines, and builds a well-grounded foundation through motivating chapters on linear and generalized linear models. While firmly focused on the practical aspects of GAMs, discussions include fairly full explanations of the theory underlying the methods. Use of the freely available R software helps explain the theory and illustrates the practicalities of linear, generalized linear, and generalized additive models, as well as their mixed effect extensions. The treatment is rich with practical examples, and it includes an entire chapter on the analysis of real data sets using R and the author's add-on package mgcv. Each chapter includes exercises, for which complete solutions are provided in an appendix. Concise, comprehensive, and essentially self-contained, Generalized Additive Models: An Introduction with R prepares readers with the practical skills and the theoretical background needed to use and understand GAMs and to move on to other GAM-related methods and models, such as SS-ANOVA, P-splines, backfitting and Bayesian approaches to smoothing and additive modelling.