دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Linear Models and the Relevant Distributions and Matrix Algebra
دانلود کتاب مدل های خطی و توزیع های مربوطه و جبر ماتریس
مشخصات کتاب
Linear Models and the Relevant Distributions and Matrix Algebra
ویرایش: 1
نویسندگان: David A. Harville
سری: Chapman & Hall/CRC Texts in Statistical Science
ISBN (شابک) : 9781138578333, 1138578339
ناشر: Chapman and Hall/CRC
سال نشر: 2018
تعداد صفحات: 539
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
قیمت کتاب (تومان) : 43,000
در صورت تبدیل فایل کتاب Linear Models and the Relevant Distributions and Matrix Algebra 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 های خطی و توزیع های مربوطه و جبر ماتریس 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 مدل های خطی و توزیع های مربوطه و جبر ماتریس
مدل‌های خطی و توزیع‌های مرتبط و جبر ماتریسی پوشش عمیق و مفصلی از استفاده از مدل‌های آماری خطی به عنوان مبنایی برای استنتاج پارامتری و پیش‌بینی ارائه می‌دهد. این می تواند یک مرجع ارزشمند، یک متن اولیه یا ثانویه در یک دوره تحصیلات تکمیلی در مورد مدل های خطی، یا منبعی باشد که (در دوره ای در مورد آمار ریاضی) برای نشان دادن مفاهیم نظری مختلف در زمینه یک مجموعه نسبتاً پیچیده از عملی عالی استفاده می شود. اهمیت.
ویژگی ها:
- جبر ماتریسی را پوشش می دهد که گسترده و نسبتاً مستقل است و این کار را به صورت معنی دار انجام می دهد. زمینه
- توزیع‌های آماری مربوطه، از جمله توزیع‌های متقارن کروی و بیضوی را پوشش می‌دهد
- شامل پوشش گسترده ای از روش های مقایسه چندگانه (و فواصل اطمینان همزمان)، از جمله روش های کنترل k-FWER و FDR
- پوشش کامل را ارائه می دهد (کامل با شواهد دقیق و بسیار قابل دسترس) نتایج مربوط به خواص روشهای مختلف مدل خطی، از جمله برآوردگرهای حداقل مربعات و موارد آزمون F.
- ویژگی های استفاده از مجموعه داده های واقعی برای اهداف تصویری
- شامل تمرین های زیادی
دیوید هارویل به مدت 10 سال به عنوان آماردان ریاضی در آزمایشگاه تحقیقات ریاضی کاربردی آزمایشگاه های تحقیقات هوافضا در رایت-پترسون AFB، اوهایو، 20 سال به عنوان استاد تمام در گروه دانشگاه ایالتی آیووا خدمت کرد. او اکنون دارای رتبه ممتاز است و هفت سال به عنوان یکی از کارکنان پژوهشی دپارتمان علوم ریاضی T.J IBM. مرکز تحقیقات واتسون او دارای تجربه مرتبط قابل توجهی است که M.S. و Ph.D. دروس سطح در مدل های خطی، مشاور پایان نامه 10 دکتری بوده است. فارغ التحصیلان، و تالیف یا تالیف مشترک دو کتاب و بیش از 80 مقاله تحقیقاتی. کار او از طریق انتخاب او به عنوان عضو انجمن آمار آمریکا و موسسه آمار ریاضی و به عنوان عضوی از موسسه بین المللی آمار شناخته شده است.
توضیحاتی درمورد کتاب به خارجی
Linear Models and the Relevant Distributions and Matrix Algebra provides in-depth and detailed coverage of the use of linear statistical models as a basis for parametric and predictive inference. It can be a valuable reference, a primary or secondary text in a graduate-level course on linear models, or a resource used (in a course on mathematical statistics) to illustrate various theoretical concepts in the context of a relatively complex setting of great practical importance.
Features:
- Provides coverage of matrix algebra that is extensive and relatively self-contained and does so in a meaningful context
- Provides thorough coverage of the relevant statistical distributions, including spherically and elliptically symmetric distributions
- Includes extensive coverage of multiple-comparison procedures (and of simultaneous confidence intervals), including procedures for controlling the k-FWER and the FDR
- Provides thorough coverage (complete with detailed and highly accessible proofs) of results on the properties of various linear-model procedures, including those of least squares estimators and those of the F test.
- Features the use of real data sets for illustrative purposes
- Includes many exercises
David Harville served for 10 years as a mathematical statistician in the Applied Mathematics Research Laboratory of the Aerospace Research Laboratories at Wright-Patterson AFB, Ohio, 20 years as a full professor in Iowa State University’s Department of Statistics where he now has emeritus status, and seven years as a research staff member of the Mathematical Sciences Department of IBM’s T.J. Watson Research Center. He has considerable relevant experience, having taught M.S. and Ph.D. level courses in linear models, been the thesis advisor of 10 Ph.D. graduates, and authored or co-authored two books and more than 80 research articles. His work has been recognized through his election as a Fellow of the American Statistical Association and of the Institute of Mathematical Statistics and as a member of the International Statistical Institute.
