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: احتمال ویرایش: 2nd نویسندگان: C.R. Rao, Helge Toutenburg, Andreas Fieger, Christian Heumann, Thomas Nittner, Sandro Scheid سری: Springer Series in Statistics ISBN (شابک) : 9780387227528, 0387988483 ناشر: Springer سال نشر: 1999 تعداد صفحات: 583 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Linear Models and Generalizations 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 مدل ها و تعمیم های 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.
این کتاب گزارشی به روز از تئوری و کاربردهای مدل های خطی ارائه می دهد. این می تواند به عنوان متنی برای دروس آمار در مقطع کارشناسی ارشد و همچنین به عنوان متن همراه برای سایر دروس که مدل های خطی در آن نقش دارند، استفاده شود. نویسندگان یک نظریه استنتاج یکپارچه از مدلهای خطی با حداقل مفروضات، نه تنها از طریق نظریه حداقل مربعات، بلکه با استفاده از روشهای جایگزین تخمین و آزمایش بر اساس توابع کاهش محدب و معادلات برآورد کلی ارائه میکنند. برخی از نکات برجسته عبارتند از: - تاکید ویژه بر تحلیل حساسیت و انتخاب مدل. - فصلی که به تجزیه و تحلیل داده های طبقه بندی شده بر اساس مدل های رگرسیون لاجیت، لاگ خطی و لجستیک اختصاص دارد. - فصلی که به مجموعه داده های ناقص اختصاص دارد. - ضمیمه گسترده در نظریه ماتریس، مفید برای محققان در اقتصاد سنجی، مهندسی، و نظریه بهینه سازی. - فصلی که به تجزیه و تحلیل داده های طبقه بندی شده بر اساس ارائه یکپارچه مدل های خطی تعمیم یافته از جمله روش های GEE برای پاسخ همبسته اختصاص دارد. - فصلی به مجموعه دادههای ناقص از جمله تشخیص رگرسیون برای شناسایی فرآیندهای غیر MCAR اختصاص داده شده است. هلگه توتنبرگ استاد آمار در دانشگاه موئنشن است. وی حدود 15 کتاب در زمینه مدل های خطی، روش های آماری در مهندسی کیفیت و تجزیه و تحلیل آزمایش های طراحی شده نوشته است. علاقه اصلی او به کاربرد آمار در زمینه های پزشکی و مهندسی است.
This book provides an up-to-date account of the theory and applications of linear models. It can be used as a text for courses in statistics at the graduate level as well as an accompanying text for other courses in which linear models play a part. The authors present a unified theory of inference from linear models with minimal assumptions, not only through least squares theory, but also using alternative methods of estimation and testing based on convex loss functions and general estimating equations. Some of the highlights include: - a special emphasis on sensitivity analysis and model selection; - a chapter devoted to the analysis of categorical data based on logit, loglinear, and logistic regression models; - a chapter devoted to incomplete data sets; - an extensive appendix on matrix theory, useful to researchers in econometrics, engineering, and optimization theory; - a chapter devoted to the analysis of categorical data based on a unified presentation of generalized linear models including GEE- methods for correlated response; - a chapter devoted to incomplete data sets including regression diagnostics to identify Non-MCAR-processes The material covered will be invaluable not only to graduate students, but also to research workers and consultants in statistics. Helge Toutenburg is Professor for Statistics at the University of Muenchen. He has written about 15 books on linear models, statistical methods in quality engineering, and the analysis of designed experiments. His main interest is in the application of statistics to the fields of medicine and engineering.
Introduction....Pages 1-3
Linear Models....Pages 5-21
The Linear Regression Model....Pages 23-96
The Generalized Linear Regression Model....Pages 97-136
Exact and Stochastic Linear Restrictions....Pages 137-180
Prediction Problems in the Generalized Regression Model....Pages 181-210
Sensitivity Analysis....Pages 211-240
Analysis of Incomplete Data Sets....Pages 241-270
Robust Regression....Pages 271-287
Models for Categorical Response Variables....Pages 289-352