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 Goodness-of-Fit Statistics for Discrete Multivariate Data (Springer Series in Statistics)

دانلود کتاب آمار مناسب بودن برای داده‌های چند متغیره گسسته (سری اسپرینگر در آمار)

Goodness-of-Fit Statistics for Discrete Multivariate Data (Springer Series in Statistics)

مشخصات کتاب

Goodness-of-Fit Statistics for Discrete Multivariate Data (Springer Series in Statistics)

ویرایش: 1 
نویسندگان: ,   
سری: Springer Series in Statistics 
ISBN (شابک) : 038796682X, 9780387966823 
ناشر: Springer 
سال نشر: 1988 
تعداد صفحات: 224 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت 

قیمت کتاب (تومان) : 53,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Goodness-of-Fit Statistics for Discrete Multivariate Data (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 آمار مناسب بودن برای داده‌های چند متغیره گسسته (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.


توضیحاتی در مورد کتاب آمار مناسب بودن برای داده‌های چند متغیره گسسته (سری اسپرینگر در آمار)

تجزیه و تحلیل آماری داده های چند متغیره گسسته توجه زیادی را در ادبیات آمار در دو دهه گذشته به خود جلب کرده است. توسعه مدل‌های مناسب موضوع رایج کتاب‌هایی مانند کاکس (1970)، هابرمن (1974، 1978، 1979)، بیشاپ و دیگران است. (1975)، گوخال و کول بک (1978)، آپتون (1978)، فینبرگ (1980)، پلکت (1981)، آگرستی (1984)، گودمن (1984)، و فریمن (1987). هدف کتاب ما با موارد ذکر شده در بالا متفاوت است. به‌جای تمرکز بر ساخت مدل، قصد ما توصیف و ارزیابی آمار تناسب مورد استفاده در بخش تأیید مدل از فرآیند استنتاج است. آن دسته از کتاب‌هایی که بر توسعه مدل تأکید می‌کنند، تمایل دارند فرض کنند که مدل را می‌توان با یکی از آزمون‌های سنتی برازش 2 2 (مثلاً X پیرسون یا نسبت منطق درستنمایی G) با استفاده از یک مقدار بحرانی مجذور کای آزمایش کرد. با این حال، به خوبی شناخته شده است که این می تواند در بسیاری از شرایط تقریب ضعیفی به دست دهد. این کتاب تجزیه و تحلیل واحدی از آزمون‌های سنتی خوب بودن تناسب، توصیف رفتار و شایستگی‌های نسبی آن‌ها و همچنین معرفی برخی از آمار آزمون‌های جدید را در اختیار خواننده قرار می‌دهد. خانواده آمار واگرایی قدرت (کرسی و رید، 1984) برای پیوند دادن آمار آزمون سنتی از طریق یک پارامتر با ارزش واقعی استفاده می‌شود و راهی برای تجمیع و گسترش ادبیات پراکنده فعلی فراهم می‌کند. به عنوان محصول جانبی تجزیه و تحلیل ما، یک آمار 2 2 جدید \\\"بین\\\" پیرسون X و نسبت منطق درستنمایی G ظاهر می شود که دارای برخی ویژگی های ارزشمند است.


توضیحاتی درمورد کتاب به خارجی

The statistical analysis of discrete multivariate data has received a great deal of attention in the statistics literature over the past two decades. The develop ment ofappropriate models is the common theme of books such as Cox (1970), Haberman (1974, 1978, 1979), Bishop et al. (1975), Gokhale and Kullback (1978), Upton (1978), Fienberg (1980), Plackett (1981), Agresti (1984), Goodman (1984), and Freeman (1987). The objective of our book differs from those listed above. Rather than concentrating on model building, our intention is to describe and assess the goodness-of-fit statistics used in the model verification part of the inference process. Those books that emphasize model development tend to assume that the model can be tested with one of the traditional goodness-of-fit tests 2 2 (e.g., Pearson\'s X or the loglikelihood ratio G ) using a chi-squared critical value. However, it is well known that this can give a poor approximation in many circumstances. This book provides the reader with a unified analysis of the traditional goodness-of-fit tests, describing their behavior and relative merits as well as introducing some new test statistics. The power-divergence family of statistics (Cressie and Read, 1984) is used to link the traditional test statistics through a single real-valued parameter, and provides a way to consolidate and extend the current fragmented literature. As a by-product of our analysis, a new 2 2 statistic emerges \"between\" Pearson\'s X and the loglikelihood ratio G that has some valuable properties.



فهرست مطالب

Title Page......Page img001_2R.djvu
Copyright Page......Page img002_1L.djvu
Preface......Page img003_2R.djvu
Contents......Page img004_2R.djvu
1.1. A Unified Approach to Model Testing ......Page img006_2R.djvu
1.2. The Power-Divergence Statistic ......Page img007_1L.djvu
1.3. Outline of the Chapters ......Page img007_2R.djvu
2.1. Modeling Discrete Multivariate Data ......Page img008_2R.djvu
2.2. Testing the Fit of a Model ......Page img010_2R.djvu
2.3. An Example: Time Passage and Memory Recall ......Page img012_1L.djvu
2.4. Applying the Power-Divergence Statistic ......Page img013_1L.djvu
2.5. Power-Divergence Measures in Visual Perception ......Page img014_2R.djvu
3.1. Association Models and Contingency Tables ......Page img015_2R.djvu
3.2. Two-Dimensional Tables: Independence and Homogeneity ......Page img016_1L.djvu
3.3. Loglinear Models for Two and Three Dimensions ......Page img018_2R.djvu
3.4. Parameter Estimation Methods: Minimum Distance Estimation ......Page img020_1L.djvu
3.5. Model Generation: A Characterization of the Loglinear, Linear, and Other Models through Minimum Distance Estimation ......Page img023_1L.djvu
3.6. Model Selection and Testing Strategy for Loglinear Models ......Page img026_1L.djvu
CHAPTER 4 Testing the Models: Large-Sample Results ......Page img028_1L.djvu
4.1. Significance Levels under the Classical (Fixed-Cells) Assumptions ......Page img028_2R.djvu
4.2. Efficiency under the Classical (Fixed-Cells) Assumptions ......Page img032_2R.djvu
4.3. Significance Levels and Efficiency unde rSparseness Assumptions ......Page img034_2R.djvu
4.4. A Summary Comparison of the Power-Divergence Family Members ......Page img037_1L.djvu
4.5. Which Test Statistic? ......Page img037_2R.djvu
5.1. Improved Accuracy through More Accurate Moments ......Page img038_1L.djvu
5.2. A Second-Order Correction Term Applied Directly to the Asymptotic Distribution ......Page img040_1L.djvu
5.3. Four Approximations to the Exact Significance Level: How Do They Compare? ......Page img040_2R.djvu
5.4. Exact Power Comparisons ......Page img044_1L.djvu
5.5. Which Test Statistic? ......Page img045_2R.djvu
6.1. Relative Deviations between Observed and ......Page img046_2R.djvu
6.2. Minimum Magnitude of the Power-Divergence Test Statistic ......Page img047_2R.djvu
6.3. Further Insights into the Accuracy of Large-Sample Approximations ......Page img049_1L.djvu
6.4. Three Illustrations ......Page img050_1L.djvu
6.5. Transforming for Closer Asymptotic Approximations in Contingency Tables withSome Small Expected Cell Frequencies ......Page img052_1L.djvu
6.6. A Geometric Interpretation of the Power-Divergence Statistic ......Page img053_1L.djvu
6.7. Which Test Statistic? ......Page img054_1L.djvu
CHAPTER 7 Links with Other Test Statistics and Measures of Divergence ......Page img055_1L.djvu
7.1. Test Statistics Based on Quantiles and Spacings ......Page img055_2R.djvu
7.2. A Continuous Analogue to the Discrete Test Statistic ......Page img057_2R.djvu
7.3. Comparisons of Discrete and Continuous Test Statistics ......Page img058_2R.djvu
7.4. Diversity and Divergence Measures from Information Theory ......Page img059_1L.djvu
8.1. Hypothesis Testing and Parameter Estimation ......Page img063_1L.djvu
8.2. The Parameter lambda as a Transformation ......Page img065_1L.djvu
8.3. A Generalization of Akaike's Information Criterion ......Page img068_1L.djvu
8.4. The Power-Divergence Statistic as aMeasure of Loss and a Criterion for General Parameter Estimation ......Page img070_1L.djvu
8.5. Generalizing the Multinomial Distribution ......Page img072_1L.djvu
Historical Perspective: Pearson's X2 and the Loglikelihood Ratio Statistic G2 ......Page img072_2R.djvu
1. Small-Sample Comparisons of X2 and G2 under the Classical (Fixed-Cells) Assumptions ......Page img073_1L.djvu
2. Comparing X2 and G2 under Sparseness Assumptions ......Page img076_1L.djvu
3. Efficiency Comparisons ......Page img078_1L.djvu
4. Modified Assumptions and Their Impact ......Page img081_1L.djvu
Appendix: Proofs of Important Results ......Page img083_1L.djvu
Bibliography ......Page img098_2R.djvu
Author Index ......Page img105_2R.djvu
Subject Index ......Page img108_2R.djvu




نظرات کاربران