دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Introducción al análisis de regresión lineal, 3ª edición
دانلود کتاب مقدمه ای بر تحلیل رگرسیون خطی ، چاپ سوم
مشخصات کتاب
Introducción al análisis de regresión lineal, 3ª edición
ویرایش: 1ª edición en español, 3ª edición en inglés نویسندگان: Douglas C. Montgomery, Elizabeth A. Peck, G. Geoffrey Vining سری: ISBN (شابک) : 0471315656, 9780471315650 ناشر: Compañía Editorial Continental سال نشر: 2002 تعداد صفحات: 612 زبان: Spanish فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 67 مگابایت
قیمت کتاب (تومان) : 33,000
در صورت تبدیل فایل کتاب Introducción al análisis de regresión lineal, 3ª edición 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 مقدمه ای بر تحلیل رگرسیون خطی ، چاپ سوم 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 مقدمه ای بر تحلیل رگرسیون خطی ، چاپ سوم
نگاهی جامع و کاملاً به روز به تحلیل رگرسیون - امروزه هنوز هم پرکاربردترین تکنیک در آمار است همانطور که قضیه فیثاغورث در هندسه اساسی است، تحلیل رگرسیون یک تکنیک آماری برای بررسی و مدل‌سازی رابطه بین متغیرها است. با کاربردهای گسترده تقریباً در هر زمینه، تحلیل رگرسیون در مهندسی، علوم فیزیکی و شیمی، اقتصاد، مدیریت، علوم زیستی و زیستی و علوم اجتماعی استفاده می شود. مقدمه ای بر تحلیل رگرسیون خطی که به وضوح بین تئوری و کاربردها تعادل برقرار می کند، کاربردهای مرسوم این تکنیک و همچنین موارد کمتر رایج را توصیف می کند و رگرسیون خطی را در زمینه عملی تحقیقات ریاضی و علمی امروزی قرار می دهد. این کتاب با مقدمه‌ای کلی برای مدل‌سازی رگرسیون، از جمله کاربردهای معمولی، آغاز می‌شود، سپس مجموعه‌ای از ابزارهای فنی که زرادخانه تحلیلی رگرسیون خطی را تشکیل می‌دهند، از جمله: رویه‌های استنتاج اولیه و جنبه‌های مقدماتی بررسی کفایت مدل. چگونه می توان از تبدیل ها و حداقل مربعات وزنی برای حل مشکلات عدم کفایت مدل استفاده کرد. نحوه برخورد با مشاهدات تأثیرگذار؛ و مدل های رگرسیون چند جمله ای و تغییرات آنها. فصل های بعدی شامل پوشش دقیق موارد زیر است: * متغیرهای شاخص، ایجاد ارتباط بین مدل های رگرسیون و تحلیل واریانس * تکنیک های انتخاب متغیر و مدل سازی * مشکل چند خطی، شامل منابع، اثرات مضر، تشخیص و اقدامات اصلاحی آن * قوی تکنیک‌های رگرسیون، از جمله برآوردگرهای M، کمترین میانه مربع‌ها، و تخمین S * مدل‌های خطی تعمیم‌یافته این کتاب همچنین شامل مطالبی در مورد مدل‌های رگرسیون با خطاهای همبسته خودکار، تخمین‌های رگرسیون راه‌اندازی، طبقه‌بندی و درختان رگرسیون، و اعتبارسنجی مدل رگرسیونی است. موضوعاتی که معمولاً در کتاب‌های رگرسیون خطی یافت نمی‌شوند، مانند رگرسیون غیرخطی و مدل‌های خطی تعمیم‌یافته، اما برای دانشجویان و متخصصان مهندسی حیاتی هستند، نیز گنجانده شده‌اند. نقش حیاتی جدید رایانه در تجزیه و تحلیل رگرسیون در بحث گسترده کتاب در مورد تشخیص رگرسیون منعکس شده است، جایی که رویه‌های تحلیلی اصلی که اکنون در بسته‌های نرم‌افزاری معاصر موجود است، مانند SAS، Minitab و S-Plus، به تفصیل شرح داده شده‌اند. ضمیمه در حال حاضر شامل مطالب پس زمینه زیادی در مورد تئوری مدل های خطی زیربنایی تجزیه و تحلیل رگرسیون است. مجموعه داده های کتاب، راه حل های گسترده مشکل و نکات نرم افزاری در سایت ftp موجود است. برای سایر کتاب‌های Wiley توسط داگ مونتگومری، از وبسایت ما به آدرس www.wiley.com/college/montgomery دیدن کنید.
توضیحاتی درمورد کتاب به خارجی
A comprehensive and thoroughly up-to-date look at regression analysis-still the most widely used technique in statistics today As basic to statistics as the Pythagorean theorem is to geometry, regression analysis is a statistical technique for investigating and modeling the relationship between variables. With far-reaching applications in almost every field, regression analysis is used in engineering, the physical and chemical sciences, economics, management, life and biological sciences, and the social sciences. Clearly balancing theory with applications, Introduction to Linear Regression Analysis describes conventional uses of the technique, as well as less common ones, placing linear regression in the practical context of today's mathematical and scientific research. Beginning with a general introduction to regression modeling, including typical applications, the book then outlines a host of technical tools that form the linear regression analytical arsenal, including: basic inference procedures and introductory aspects of model adequacy checking; how transformations and weighted least squares can be used to resolve problems of model inadequacy; how to deal with influential observations; and polynomial regression models and their variations. Succeeding chapters include detailed coverage of: * Indicator variables, making the connection between regression and analysis-of-variance modelss * Variable selection and model-building techniques * The multicollinearity problem, including its sources, harmful effects, diagnostics, and remedial measures * Robust regression techniques, including M-estimators, Least Median of Squares, and S-estimation * Generalized linear models The book also includes material on regression models with autocorrelated errors, bootstrapping regression estimates, classification and regression trees, and regression model validation. Topics not usually found in a linear regression textbook, such as nonlinear regression and generalized linear models, yet critical to engineering students and professionals, have also been included. The new critical role of the computer in regression analysis is reflected in the book's expanded discussion of regression diagnostics, where major analytical procedures now available in contemporary software packages, such as SAS, Minitab, and S-Plus, are detailed. The Appendix now includes ample background material on the theory of linear models underlying regression analysis. Data sets from the book, extensive problem solutions, and software hints are available on the ftp site. For other Wiley books by Doug Montgomery, visit our website at www.wiley.com/college/montgomery.
