Introduction to Linear Regression Analysis

دسته بندی: آمار ریاضی
ویرایش: 5 
نویسندگان: Douglas C. Montgomery,  Elizabeth A. Peck,  G. Geoffrey Vining  
سری:  
ISBN (شابک) : 0470542810, 9780470542811 
ناشر: Wiley 
سال نشر: 2012 
تعداد صفحات: 872 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 17 مگابایت 

قیمت کتاب (تومان) : 31,000

تمجید از ویرایش چهارم

\"همانند نسخه‌های قبلی، نویسندگان کتاب درسی پیشرو در زمینه رگرسیون تولید کرده‌اند.\"
—ژورنال انجمن آماری آمریکا

مقدمه ای جامع و به روز بر اصول تحلیل رگرسیون

< p>مقدمه ای بر تحلیل رگرسیون خطی، ویرایش پنجم همچنان کاربردهای معمول و کمتر رایج رگرسیون خطی را در تحقیقات علمی پیشرفته امروزی ارائه می دهد. نویسندگان هر دو نظریه و کاربرد را با هم ترکیب می‌کنند تا خوانندگان را با درک اصول اولیه مورد نیاز برای استفاده از تکنیک‌های مدل‌سازی رگرسیون در زمینه‌های مختلف مطالعاتی، از جمله مهندسی، مدیریت، و علوم بهداشتی مجهز کنند.

به دنبال یک مقاله مقدمه کلی برای مدل‌سازی رگرسیون، از جمله کاربردهای معمولی، مجموعه‌ای از ابزارهای فنی مانند روش‌های استنتاج اولیه، جنبه‌های مقدماتی بررسی کفایت مدل، و مدل‌های رگرسیون چند جمله‌ای و تغییرات آن‌ها بیان شده است. سپس این کتاب به این موضوع می‌پردازد که چگونه تبدیل‌ها و حداقل مربعات وزنی را می‌توان برای حل مشکلات عدم کفایت مدل و همچنین نحوه برخورد با مشاهدات تأثیرگذار مورد استفاده قرار داد. نسخه پنجم دارای موضوعات متعددی است که به تازگی اضافه شده است، از جمله:

•  فصلی در مورد تجزیه و تحلیل رگرسیون داده‌های سری زمانی که آزمون دوربین واتسون و سایر تکنیک‌ها را برای تشخیص همبستگی خودکار ارائه می‌کند. و همچنین تخمین پارامتر در مدل‌های رگرسیون سری زمانی
• مدل‌های رگرسیونی با اثرات تصادفی علاوه بر بحث در مورد نمونه‌گیری فرعی و اهمیت مدل مختلط
• آزمون‌های ضرایب و زیر مجموعه‌های رگرسیون فردی ضرایب
• نمونه‌هایی از کاربردهای فعلی مدل‌های رگرسیون خطی ساده و استفاده از مدل‌های رگرسیون چندگانه برای درک داده‌های رضایت بیمار.

علاوه بر Minitab، SAS، و S-PLUS، نویسندگان JMP و نرم افزار رایگان موجود R را برای نشان دادن تکنیک ها و روش های مورد بحث در این نسخه جدید ترکیب کرده اند. تمرین های متعددی در سراسر آن اضافه شده است که به خوانندگان امکان می دهد درک خود را از مطالب آزمایش کنند.

مقدمه ای بر تحلیل رگرسیون خطی، ویرایش پنجم یک کتاب عالی برای آمار و دوره های مهندسی در زمینه رگرسیون است. در مقاطع فوق لیسانس و فوق لیسانس. این کتاب همچنین به عنوان یک منبع ارزشمند و قوی برای متخصصان در زمینه های مهندسی، علوم زیستی و زیستی، و علوم اجتماعی عمل می کند.

Praise for the Fourth Edition

"As with previous editions, the authors have produced a leading textbook on regression."
—Journal of the American Statistical Association

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

Introduction to Linear Regression Analysis, Fifth Edition continues to present both the conventional and less common uses of linear regression in today’s cutting-edge scientific research. The authors blend both theory and application to equip readers with an understanding of the basic principles needed to apply regression model-building techniques in various fields of study, including engineering, management, and the health sciences.

Following 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 then discusses how transformations and weighted least squares can be used to resolve problems of model inadequacy and also how to deal with influential observations. The Fifth Edition features numerous newly added topics, including:

•  A chapter on regression analysis of time series data that presents the Durbin-Watson test and other techniques for detecting autocorrelation as well as parameter estimation in time series regression models
• Regression models with random effects in addition to a discussion on subsampling and the importance of the mixed model
• Tests on individual regression coefficients and subsets of coefficients
• Examples of current uses of simple linear regression models and the use of multiple regression models for understanding patient satisfaction data.

In addition to Minitab, SAS, and S-PLUS, the authors have incorporated JMP and the freely available R software to illustrate the discussed techniques and procedures in this new edition. Numerous exercises have been added throughout, allowing readers to test their understanding of the material.

Introduction to Linear Regression Analysis, Fifth Edition is an excellent book for statistics and engineering courses on regression at the upper-undergraduate and graduate levels. The book also serves as a valuable, robust resource for professionals in the fields of engineering, life and biological sciences, and the social sciences.