ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

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 Models for Multivariate, Time Series, and Spatial Data

دانلود کتاب مدل های خطی برای داده های چند متغیره، سری زمانی و مکانی

Linear Models for Multivariate, Time Series, and Spatial Data

مشخصات کتاب

Linear Models for Multivariate, Time Series, and Spatial Data

ویرایش:  
نویسندگان:   
سری: Springer Texts in Statistics 
ISBN (شابک) : 9781475741056, 9781475741032 
ناشر: Springer New York 
سال نشر: 1991 
تعداد صفحات: 329 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 مگابایت 

قیمت کتاب (تومان) : 57,000



کلمات کلیدی مربوط به کتاب مدل های خطی برای داده های چند متغیره، سری زمانی و مکانی: آمار، عمومی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 14


در صورت تبدیل فایل کتاب Linear Models for Multivariate, Time Series, and Spatial Data 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 برای داده های چند متغیره، سری زمانی و مکانی 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 برای داده های چند متغیره، سری زمانی و مکانی

این یک جلد همراه مستقل برای کتاب نویسنده "پاسخ های هواپیما به سوالات پیچیده: نظریه مدل های خطی" است. این مقدمه‌ای برای چندین موضوع مرتبط با نظریه مدل خطی ارائه می‌کند: مدل‌های خطی چند متغیره، تجزیه و تحلیل متمایز، مؤلفه‌های اصلی، تحلیل عاملی، سری‌های زمانی در هر دو حوزه فرکانس و زمانی، و تجزیه و تحلیل داده‌های مکانی (زمین‌آمار). هدف این جلد، استفاده از سه ایده اساسی از نظریه مدل خطی و بهره‌برداری از ویژگی‌های آنها در بررسی داده‌های چند متغیره، سری زمانی و مکانی است. این سه ایده عبارتند از: بهترین پیش بینی خطی، پیش بینی ها و فاصله ماهالانوبیس. مدل های خطی چند متغیره به عنوان مدل های خطی با یک ماتریس کوواریانس غیر قطری در نظر گرفته می شوند. تحلیل افتراقی مربوط به فاصله ماهالانوبیس و تحلیل واریانس چند متغیره است. مولفه های اصلی بهترین پیش بینی کننده های خطی هستند. سری زمانی دامنه فرکانس شامل مدل های خطی با ماتریس طراحی عجیب و غریب است. تحلیل حوزه زمان شامل مدل هایی می شود که در پارامترها خطی هستند اما دارای ماتریس های طراحی تصادفی هستند. بهترین پیش بینی کننده های خطی برای پیش بینی سری های زمانی و برای تخمین در تجزیه و تحلیل حوزه زمانی استفاده می شود. تحلیل داده‌های فضایی شامل مدل‌های خطی است که در آن ماتریس کوواریانس از داده‌ها مدل‌سازی می‌شود و بهترین پیش‌بینی‌های بی‌طرفانه خطی از مشاهده‌پذیرهای آینده را انجام می‌دهد. این کتاب یک رویکرد واحد را برای این مجموعه گسترده از مشکلات توسعه می دهد. رونالد کریستنسن، استاد آمار در دانشگاه نیومکزیکو است. او در سطح بین المللی به عنوان یک متخصص در تئوری و کاربرد مدل های خطی شناخته شده است. وی علاوه بر این کتاب و "پاسخ های هواپیما"، نویسنده مقالات پژوهشی متعددی با عنوان "مدل های خطی لگ و رگرسیون لجستیک" و "تحلیل واریانس، طراحی،" است.


توضیحاتی درمورد کتاب به خارجی

This is a self-contained companion volume to the author's book "Plane Answers to Complex Questions: The Theory of Linear Models". It provides introductions to several topics related to linear model theory: multivariate linear models, discriminant analysis, principal components, factor analysis, time series in both the frequency and time domains, and spatial data analysis (geostatistics). The purpose of this volume is to use three fundamental ideas from linear model theory and exploit their properties in examining multivariate, time series and spatial data. The three ideas are: best linear prediction, projections, and Mahalanobis' distance. Multivariate linear models are viewed as linear models with a nondiagonal covariance matrix. Discriminant analysis is related to the Mahalanobis distance and multivariate analysis of variance. Principle components are best linear predictors. Frequency domain time series involves linear models with a peculiar design matrix. Time domain analysis involves models that are linear in the parameters but have random design matrices. Best linear predictors are used for forecasting time series and for estimation in time domain analysis. Spatial data analysis involves linear models in which the covariance matrix is modeled from the data and making best linear unbiased predictions of future observables. This book develops a unified approach to this wide ranging collection of problems. Ronald Christensen is Professor of Statistics at the University of New Mexico. He is recognized internationally as an expert in the theory and application of linear models. In addition to this book and "Plane Answers," he is the author of numerous research articles, "Log-Linear Models and Logistic Regression", and "Analysis of Variance, Design,.



فهرست مطالب

Front Matter....Pages i-xii
Multivariate Linear Models....Pages 1-68
Discrimination and Allocation....Pages 69-106
Principal Components and Factor Analysis....Pages 107-146
Frequency Analysis of Time Series....Pages 147-193
Time Domain Analysis....Pages 194-261
Linear Models for Spatial Data: Kriging....Pages 262-299
Back Matter....Pages 300-318




نظرات کاربران