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 Linear Model Methodology

دانلود کتاب روش مدل خطی

مشخصات کتاب

Linear Model Methodology

دسته بندی: آمار ریاضی
ویرایش: 1 
نویسندگان: Andre I. Khuri  
سری:  
ISBN (شابک) : 1584884819, 9781584884811 
ناشر:  
سال نشر: 2009 
تعداد صفحات: 564 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت

قیمت کتاب (تومان) : 38,000

کلمات کلیدی مربوط به کتاب روش مدل خطی: ریاضیات، نظریه احتمالات و آمار ریاضی، آمار ریاضی

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 15

در صورت تبدیل فایل کتاب Linear Model Methodology 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 روش مدل 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 روش مدل خطی

با توجه به اهمیت مدل های خطی در تئوری های آماری و تحقیقات تجربی، درک خوب اصول و نظریه بنیادی آنها ضروری است. با پشتیبانی از تعداد زیادی مثال، روش‌شناسی مدل خطی پایه‌ای قوی در تئوری مدل‌های خطی فراهم می‌کند و آخرین پیشرفت‌ها در تجزیه و تحلیل داده‌ها را بررسی می‌کند. پس از ارائه سیر تحول تاریخی روش‌ها و تکنیک‌های خاص مورد استفاده در مدل‌های خطی، این کتاب به بررسی فضاهای برداری و تبدیل‌های خطی می‌پردازد و مفاهیم اساسی و نتایج جبر ماتریسی را که مربوط به مطالعه مدل‌های خطی است، مورد بحث قرار می‌دهد. اگرچه عمدتاً بر روی مدل‌های خطی کلاسیک متمرکز است، چندین فصل بعدی همچنین تکنیک‌های اخیر را برای حل مسائل شناخته‌شده که مربوط به توزیع و استقلال فرم‌های درجه دوم، تجزیه و تحلیل توابع خطی و تضادهای تخمینی، و درمان کلی تصادفی متوازن و متوازن می‌شوند، بررسی می‌کنند. مدل های با جلوه های ترکیبی نویسنده سپس موضوعات معاصر بیشتری را در مدل‌های خطی پوشش می‌دهد، از جمله کفایت تقریب ساترتویت، مدل‌های اثرات ثابت و ترکیبی نامتعادل، مدل‌های خطی ناهمسان، مدل‌های سطح پاسخ با اثرات تصادفی، و مدل‌های چند پاسخی خطی. فصل آخر مدل‌های خطی تعمیم‌یافته را معرفی می‌کند که بسط مدل‌های خطی کلاسیک را نشان می‌دهد. مدل‌های خطی زمینه را برای تحلیل واریانس، تحلیل رگرسیون، روش سطح پاسخ، تجزیه و تحلیل اجزای واریانس و موارد دیگر فراهم می‌کنند که درک نظریه پشت مدل‌سازی خطی را ضروری می‌سازد. این کتاب با انعکاس پیشرفت‌های انجام‌شده در سی سال گذشته، توسعه دقیقی از نظریه‌های زیربنایی مدل‌های خطی ارائه می‌دهد.

توضیحاتی درمورد کتاب به خارجی

Given the importance of linear models in statistical theory and experimental research, a good understanding of their fundamental principles and theory is essential. Supported by a large number of examples, Linear Model Methodology provides a strong foundation in the theory of linear models and explores the latest developments in data analysis. After presenting the historical evolution of certain methods and techniques used in linear models, the book reviews vector spaces and linear transformations and discusses the basic concepts and results of matrix algebra that are relevant to the study of linear models. Although mainly focused on classical linear models, the next several chapters also explore recent techniques for solving well-known problems that pertain to the distribution and independence of quadratic forms, the analysis of estimable linear functions and contrasts, and the general treatment of balanced random and mixed-effects models. The author then covers more contemporary topics in linear models, including the adequacy of Satterthwaite’s approximation, unbalanced fixed- and mixed-effects models, heteroscedastic linear models, response surface models with random effects, and linear multiresponse models. The final chapter introduces generalized linear models, which represent an extension of classical linear models. Linear models provide the groundwork for analysis of variance, regression analysis, response surface methodology, variance components analysis, and more, making it necessary to understand the theory behind linear modeling. Reflecting advances made in the last thirty years, this book offers a rigorous development of the theory underlying linear models.