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 Introduction to Linear Regression Analysis

دانلود کتاب مقدمه ای بر تحلیل رگرسیون خطی

مشخصات کتاب

Introduction to Linear Regression Analysis

دسته بندی: آمار ریاضی
ویرایش: 4 
نویسندگان: Douglas C. Montgomery,  Elizabeth A. Peck,  G. Geoffrey Vining  
سری:  
ISBN (شابک) : 0471754951, 9780471754954 
ناشر: Wiley-Interscience 
سال نشر: 2006 
تعداد صفحات: 370 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 18 مگابایت

قیمت کتاب (تومان) : 40,000

کلمات کلیدی مربوط به کتاب مقدمه ای بر تحلیل رگرسیون خطی: احتمال و آمار، کاربردی، ریاضیات، علوم و ریاضی، آمار، ریاضیات، علوم و ریاضیات، کتاب های درسی جدید، مستعمل و اجاره ای، بوتیک تخصصی

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 10

در صورت تبدیل فایل کتاب Introduction to Linear Regression Analysis 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 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

مقدمه ای جامع و به روز بر مبانی تحلیل رگرسیون

نسخه چهارم مقدمه ای بر تحلیل رگرسیون خطی، هر دو کاربرد متعارف و کمتر رایج رگرسیون خطی را در عملی توصیف می کند. زمینه تحقیقات ریاضی و علمی امروزی. این کتاب محبوب تئوری و کاربرد را با هم ترکیب می‌کند تا خواننده را با درک اصول اساسی لازم برای استفاده از تکنیک‌های مدل‌سازی رگرسیون در طیف گسترده‌ای از محیط‌های کاربردی مجهز کند. این فرض بر دانش کاری آمار پایه و آشنایی با آزمون فرضیه ها و فواصل اطمینان و همچنین توزیع های نرمال، t، x2، و F است. بسته های نرم افزاری MINITAB(r)، SAS(r)، و S-PLUS(r)، نسخه چهارم با مقدمه ای کلی برای مدل سازی رگرسیون، از جمله برنامه های کاربردی معمولی، آغاز می شود. مجموعه‌ای از ابزارهای فنی، مانند روش‌های استنتاج اولیه، جنبه‌های مقدماتی بررسی کفایت مدل، و مدل‌های رگرسیون چند جمله‌ای و تغییرات آن‌ها مشخص شده‌اند. این کتاب در مورد چگونگی استفاده از تبدیل ها و حداقل مربعات وزنی برای حل مشکلات عدم کفایت مدل و همچنین نحوه برخورد با مشاهدات تأثیرگذار بحث می کند. فصل‌های بعدی به بحث می‌پردازند:
* متغیرهای شاخص و ارتباط بین مدل‌های رگرسیون و تحلیل واریانس
* تکنیک‌ها و استراتژی‌های انتخاب متغیر و مدل‌سازی
* مسئله چند خطی - منابع آن، اثرات، تشخیص و اقدامات اصلاحی
* تکنیک های رگرسیون قوی مانند برآوردگرهای M، و ویژگی های برآوردگرهای قوی
* اصول رگرسیون غیرخطی
* مدل های خطی تعمیم یافته
* استفاده از SAS(r) برای مشکلات رگرسیون

این کتاب منبعی قوی است که روش شناسی محکمی را برای پزشکان آمار و متخصصان در زمینه های مهندسی، علوم فیزیکی و شیمی، اقتصاد، مدیریت، زیست و علوم زیستی ارائه می دهد. و علوم اجتماعی هم سایت FTP همراه، که شامل مجموعه داده‌ها، راه‌حل‌های مشکل گسترده، نکات نرم‌افزاری، و اسلایدهای پاورپوینت(r) می‌باشد، و همچنین ارائه اصلاح‌شده کتاب از موضوعات به ترتیب افزایش پیچیدگی، استفاده از آن را در یک محیط کلاسی تسهیل می‌کند.
/>
این کتاب با تمرینات و ساختار جدید خود، برای دانشجویان مقاطع کارشناسی و کارشناسی ارشد در رشته های ریاضی، مهندسی و علوم طبیعی به شدت توصیه می شود. دانشمندان و مهندسان این کتاب را انتخابی عالی برای مرجع و مطالعه خود خواهند دانست.

توضیحاتی درمورد کتاب به خارجی

A comprehensive and up-to-date introduction to the fundamentals of regression analysis

The Fourth Edition of Introduction to Linear Regression Analysis describes both the conventional and less common uses of linear regression in the practical context of today's mathematical and scientific research. This popular book blends both theory and application to equip the reader with an understanding of the basic principles necessary to apply regression model-building techniques in a wide variety of application environments. It assumes a working knowledge of basic statistics and a familiarity with hypothesis testing and confidence intervals, as well as the normal, t, x2, and F distributions.

Illustrating all of the major procedures employed by the contemporary software packages MINITAB(r), SAS(r), and S-PLUS(r), the Fourth Edition begins with a general introduction to regression modeling, including typical applications. A host of technical tools are outlined, such as basic inference procedures, introductory aspects of model adequacy checking, and polynomial regression models and their variations. The book discusses how transformations and weighted least squares can be used to resolve problems of model inadequacy and also how to deal with influential observations. Subsequent chapters discuss:
* Indicator variables and the connection between regression and analysis-of-variance models
* Variable selection and model-building techniques and strategies
* The multicollinearity problem--its sources, effects, diagnostics, and remedial measures
* Robust regression techniques such as M-estimators, and properties of robust estimators
* The basics of nonlinear regression
* Generalized linear models
* Using SAS(r) for regression problems

This book is a robust resource that offers solid methodology for statistical practitioners and professionals in the fields of engineering, physical and chemical sciences, economics, management, life and biological sciences, and the social sciences. Both the accompanying FTP site, which contains data sets, extensive problem solutions, software hints, and PowerPoint(r) slides, as well as the book's revised presentation of topics in increasing order of complexity, facilitate its use in a classroom setting.

With its new exercises and structure, this book is highly recommended for upper-undergraduate and beginning graduate students in mathematics, engineering, and natural sciences. Scientists and engineers will find the book to be an excellent choice for reference and self-study.