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: Steven J. Janke, Frederick Tinsley سری: ISBN (شابک) : 0471662593, 9780471740100 ناشر: Wiley سال نشر: 2005 تعداد صفحات: 592 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب معرفی مدلهای خطی و استنباط آماری: ریاضیات، نظریه احتمالات و آمار ریاضی، آمار ریاضی
در صورت تبدیل فایل کتاب Introduction to Linear Models and Statistical Inference 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 معرفی مدلهای خطی و استنباط آماری 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.
رویکردی چند رشتهای که بر یادگیری از طریق تجزیه و تحلیل مجموعههای دادههای دنیای واقعی تأکید میکند. این کتاب نتیجه تجربیات عملی نویسندگان در کلاس درس است و به گونهای طراحی شده است که نشان دهد چگونه دانشآموزان به بهترین شکل تجزیه و تحلیل روابط خطی را یاد میگیرند. متن با معرفی چهار مثال ساده از مجموعه داده های واقعی آغاز می شود. این نمونه ها در سراسر متن توسعه و تحلیل می شوند و نمونه های پیچیده تری از مجموعه داده ها در طول مسیر معرفی می شوند. این کتاب با رویکردی چند رشتهای، نتایج تجزیه و تحلیل مجموعه دادههای گرفته شده از زمینشناسی، زیستشناسی، اقتصاد، روانشناسی، آموزش، جامعهشناسی و علوم محیطی را دنبال میکند. هنگامی که دانشآموزان تجزیه و تحلیل مجموعه دادهها را یاد میگیرند، بر تکنیکهای مدلسازی خطی پیچیده تسلط پیدا میکنند، از جمله: * مدلهای خطی ساده * مدلهای چند متغیره * ساخت مدل * تحلیل واریانس (ANOVA) * تحلیل کوواریانس (ANCOVA) * رگرسیون لجستیک * حداقل مربعات کل مبانی تجزیه و تحلیل آماری به ویژه در آزمایش مفروضات و استنتاج از مدل های خطی توسعه یافته و بر آن تأکید می شود. تمرینهایی در پایان هر فصل گنجانده شده است تا مهارتهای دانشآموزان را قبل از رفتن به تکنیکها و مدلهای پیشرفتهتر آزمایش کنند. این تمرین ها برای نشان دادن اینکه آیا به مهارت های حساب دیفرانسیل و انتگرال، جبر خطی یا کامپیوتر نیاز است علامت گذاری شده اند. بر خلاف سایر متون در این زمینه، ریاضیات زیربنایی مدل ها به دقت توضیح داده شده و برای دانش آموزانی که ممکن است هیچ پیش زمینه ای در حساب دیفرانسیل و انتگرال یا جبر خطی نداشته باشند، قابل دسترسی است. اکثر فصول شامل یک بخش پایانی اختیاری در جبر خطی برای دانش آموزانی است که علاقه مند به ایجاد درک عمیق تر هستند. مجموعه داده های زیادی که در متن ظاهر می شود در وب سایت کتاب موجود است. برنامه نرم افزار MINITAB(r) برای نشان دادن بسیاری از مثال ها استفاده می شود. برای دانشآموزانی که با MINITAB(r) آشنا نیستند، یک پیوست ویژگیهای کلیدی مورد نیاز برای مطالعه مدلهای خطی را معرفی میکند. با رویکرد چند رشته ای و استفاده از مجموعه داده های دنیای واقعی که موضوع را زنده می کند، این یک مقدمه عالی برای مدل های خطی برای دانش آموزان در هر یک از علوم طبیعی یا اجتماعی است.
A multidisciplinary approach that emphasizes learning by analyzing real-world data sets This book is the result of the authors' hands-on classroom experience and is tailored to reflect how students best learn to analyze linear relationships. The text begins with the introduction of four simple examples of actual data sets. These examples are developed and analyzed throughout the text, and more complicated examples of data sets are introduced along the way. Taking a multidisciplinary approach, the book traces the conclusion of the analyses of data sets taken from geology, biology, economics, psychology, education, sociology, and environmental science. As students learn to analyze the data sets, they master increasingly sophisticated linear modeling techniques, including: * Simple linear models * Multivariate models * Model building * Analysis of variance (ANOVA) * Analysis of covariance (ANCOVA) * Logistic regression * Total least squares The basics of statistical analysis are developed and emphasized, particularly in testing the assumptions and drawing inferences from linear models. Exercises are included at the end of each chapter to test students' skills before moving on to more advanced techniques and models. These exercises are marked to indicate whether calculus, linear algebra, or computer skills are needed. Unlike other texts in the field, the mathematics underlying the models is carefully explained and accessible to students who may not have any background in calculus or linear algebra. Most chapters include an optional final section on linear algebra for students interested in developing a deeper understanding. The many data sets that appear in the text are available on the book's Web site. The MINITAB(r) software program is used to illustrate many of the examples. For students unfamiliar with MINITAB(r), an appendix introduces the key features needed to study linear models. With its multidisciplinary approach and use of real-world data sets that bring the subject alive, this is an excellent introduction to linear models for students in any of the natural or social sciences.
Frontmatter.pdf......Page 1
1 Introduction Statistical Questions.pdf......Page 14
2 Data Plots and Location.pdf......Page 26
3 Data Dispersion and Correlation.pdf......Page 56
4 Random Variables Probability and Density.pdf......Page 91
5 Random Variables Expectation and Variance.pdf......Page 125
6 Statistical Inference.pdf......Page 166
7 Simple Linear Models.pdf......Page 228
8 Linear Model Diagnostics.pdf......Page 270
9 Linear Models Two Independent Variables.pdf......Page 341
10 Linear Models Several Independent Variables.pdf......Page 379
11 Model Building.pdf......Page 421
12 Extended Linear Models.pdf......Page 479
13 Appendix A Data References.pdf......Page 541
14 Appendix B MINITAB Reference.pdf......Page 551
15 Appendix C Introduction to Linear Algebra.pdf......Page 560
16 Appendix D Statistical Tables.pdf......Page 576
17 References.pdf......Page 584
18 Index.pdf......Page 589