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
ویرایش: 1
نویسندگان: Herbert Hoijtink
سری: Chapman & Hall/CRC Statistics in the Social and Behavioral Sciences
ISBN (شابک) : 1439880514, 9781439880517
ناشر: Chapman and Hall/CRC
سال نشر: 2011
تعداد صفحات: 240
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 Informative Hypotheses: Theory and Practice for Behavioral and Social Scientists 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 فرضیه های آموزنده: نظریه و عمل برای دانشمندان رفتاری و اجتماعی 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.
وقتی دانشمندان نظریهها، انتظارات و فرضیههای خود را فرموله میکنند، اغلب از جملاتی مانند: "انتظار دارم میانگین A بزرگتر از میانگین B و C باشد"؛ "من انتظار دارم که رابطه بین Y و هر دو X1 و X2 مثبت است\"; و «من انتظار دارم رابطه بین Y و X1 قویتر از رابطه بین Y و X2 باشد.» در غیر این صورت، آنها انتظارات خود را بر حسب محدودیت های نابرابری در بین پارامترهایی که به آنها علاقه مند هستند، فرموله می کنند، یعنی فرموله می کنند. فرضیه های اطلاعاتی.
در حال حاضر یک پایه نظری مناسب برای ارزیابی فرضیه های آموزنده با استفاده از عوامل بیز، مقادیر p و اطلاعات محدود به ترتیب تعمیم یافته وجود دارد. علاوه بر این، نرم افزاری که اغلب رایگان است در دسترس است تا محققان را قادر می سازد تا با استفاده از داده های خود، فرضیه های آموزنده را ارزیابی کنند. راه برای به چالش کشیدن تسلط فرضیه صفر برای تحقیقات معاصر در علوم رفتاری، اجتماعی و سایر علوم باز است. P>
When scientists formulate their theories, expectations, and hypotheses, they often use statements like: ``I expect mean A to be bigger than means B and C"; ``I expect that the relation between Y and both X1 and X2 is positive"; and ``I expect the relation between Y and X1 to be stronger than the relation between Y and X2". Stated otherwise, they formulate their expectations in terms of inequality constraints among the parameters in which they are interested, that is, they formulate Informative Hypotheses.
There is currently a sound theoretical foundation for the evaluation of informative hypotheses using Bayes factors, p-values and the generalized order restricted information criterion. Furthermore, software that is often free is available to enable researchers to evaluate the informative hypotheses using their own data. The road is open to challenge the dominance of the null hypothesis for contemporary research in behavioral, social, and other sciences.
Dedication......Page 6
Contents......Page 8
Preface......Page 14
I. Introduction......Page 16
Symbol Description......Page 19
1. An Introduction to Informative Hypotheses......Page 20
2. Multivariate Normal Linear Model......Page 36
II. Bayesian Evaluation of Informative Hypotheses......Page 54
Symbol Description......Page 57
3. An Introduction to Bayesian Evaluation of Informative Hypotheses......Page 58
4. The J Group ANOVA Model......Page 78
5. Sample Size Determination: AN(C)OVA and Multiple Regression......Page 92
6. Sample Size Determination: The Multivariate Normal Linear Model......Page 124
III. Other Models, Other Approaches, and Software......Page 152
Symbol Description......Page 155
7. Beyond the Multivariate Normal Linear Model......Page 156
8. Other Approaches......Page 180
9. Software......Page 194
IV. Statistical Foundations......Page 202
10. Foundations of Bayesian Evaluation of Informative Hypotheses......Page 206
References......Page 232