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: Annette J. Dobson (auth.)
سری:
ISBN (شابک) : 9780412248603, 9781489931740
ناشر: Springer US
سال نشر: 1983
تعداد صفحات: 133
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب مقدمه ای بر مدل سازی آماری: کاربردهای ریاضیات
در صورت تبدیل فایل کتاب Introduction to Statistical Modelling 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 مدل سازی 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.
این کتاب در مورد مدل های خطی تعمیم یافته است که توسط NeIder و Wedderburn (1972) توضیح داده شده است. این رویکرد یک چارچوب نظری و محاسباتی یکپارچه برای متداولترین روشهای آماری ارائه میدهد: رگرسیون، تحلیل واریانس و کوواریانس، رگرسیون لجستیک، مدلهای لاگ خطی برای جداول احتمالی و چندین تکنیک تخصصی دیگر. مک کولاگ و نیدر (1983) و اندرسن (1980) توضیحات پیشرفته تری از این موضوع ارائه کرده اند. تأکید بر استفاده از مدل های آماری برای بررسی سؤالات اساسی به جای تولید توصیف های ریاضی از داده ها است. بنابراین بر تخمین پارامتر و آزمون فرضیه تاکید می شود. من فرض کرده ام که خواننده با متداول ترین مفاهیم و روش های آماری آشنا است و دانش پایه ای از حساب دیفرانسیل و انتگرال و جبر ماتریسی دارد. از مثال های عددی کوتاه برای نشان دادن نکات اصلی استفاده می شود. در نوشتن این کتاب نظرات و انتقادات شاگردان و همکارانم به ویژه آن یانگ به من کمک زیادی کرده است. با این حال، انتخاب مطالب و ابهامات و اشتباهات به عهده من است و از خواننده به دلیل ناراحتی ناشی از آنها پوزش می خواهم. برای تایپ دستنوشته در شرایط دشوار، از آن مک کیم، یان گارنسی، کت کلایدون و جولی لاتیمر سپاسگزارم.
This book is about generalized linear models as described by NeIder and Wedderburn (1972). This approach provides a unified theoretical and computational framework for the most commonly used statistical methods: regression, analysis of variance and covariance, logistic regression, log-linear models for contingency tables and several more specialized techniques. More advanced expositions of the subject are given by McCullagh and NeIder (1983) and Andersen (1980). The emphasis is on the use of statistical models to investigate substantive questions rather than to produce mathematical descriptions of the data. Therefore parameter estimation and hypothesis testing are stressed. I have assumed that the reader is familiar with the most commonly used statistical concepts and methods and has some basic knowledge of calculus and matrix algebra. Short numerical examples are used to illustrate the main points. In writing this book I have been helped greatly by the comments and criticism of my students and colleagues, especially Anne Young. However, the choice of material, and the obscurities and errors are my responsibility and I apologize to the reader for any irritation caused by them. For typing the manuscript under difficult conditions I am grateful to Anne McKim, Jan Garnsey, Cath Claydon and Julie Latimer.
Front Matter....Pages i-viii
Introduction....Pages 1-7
Model Fitting....Pages 8-20
Exponential Family of Distributions and Generalized Linear Models....Pages 21-26
Estimation....Pages 27-34
Inference....Pages 35-43
Multiple Regression....Pages 44-56
Analysis of Variance and Covariance....Pages 57-73
Binary Variables and Logistic Regression....Pages 74-90
Contingency Tables and Log-Linear Models....Pages 91-105
Back Matter....Pages 106-125