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: آمار ریاضی ویرایش: نویسندگان: German Rodriguez سری: ناشر: سال نشر: 2016 تعداد صفحات: 252 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب Generalized Linear Models 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 خطی تعمیم یافته 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.
http://data.princeton.edu/wws509/ این دوره به مدلهای آماری برای تجزیه و تحلیل دادههای کمی و کیفی، از انواعی که معمولاً در تحقیقات علوم اجتماعی با آنها مواجه میشوند، میپردازد. روش های آماری مورد مطالعه عبارتند از: مدل خطی کلی برای پاسخ های کمی (شامل رگرسیون چندگانه، تحلیل واریانس و تحلیل کوواریانس)، مدل های رگرسیون دو جمله ای برای داده های باینری (شامل رگرسیون لجستیک و مدل های پروبیت)، مدل هایی برای داده های شمارش (شامل رگرسیون پواسون و مدلهای دوجملهای منفی) و مدلهایی برای دادههای بقا (با تمرکز بر مدلهای نمایی تکهای برازش شده از طریق رگرسیون پواسون). همه این تکنیک ها به عنوان موارد خاص از مدل آماری خطی تعمیم یافته پوشش داده می شوند که یک چارچوب آماری واحد مرکزی را برای کل دوره ارائه می دهد.
http://data.princeton.edu/wws509/ This course deals with statistical models for the analysis of quantitative and qualitative data, of the types usually encountered in social science research. The statistical methods studied are the general linear model for quantitative responses (including multiple regression, analysis of variance and analysis of covariance), binomial regression models for binary data (including logistic regression and probit models), models for count data (including Poisson regression and negative binomial models) and models for survival data (focusing on piecewise exponential models fitted via Poisson regression). All of these techniques are covered as special cases of the Generalized Linear Statistical Model, which provides a central unifying statistical framework for the entire course.
2. Linear Models for Continuous Data 3. Logit Models for Binary Data 4. Poisson Models for Count Data 4a*. Addendun on Overdispersed Count Data 5. Log-Linear Models for Contingency Tables 6. Multinomial Response Models 7. Survival Models 8*. Panel and Clustered Data A. Review of Likelihood Theory B. Generalized Linear Model Theory