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: آمار ریاضی ویرایش: نویسندگان: George A. F. Seber, Alan J. Lee(auth.) سری: ISBN (شابک) : 9780471415404, 9780471722199 ناشر: سال نشر: 2003 تعداد صفحات: 572 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 مگابایت
کلمات کلیدی مربوط به کتاب تحلیل رگرسیون خطی، ویرایش دوم: ریاضیات، نظریه احتمالات و آمار ریاضی، آمار ریاضی
در صورت تبدیل فایل کتاب Linear Regression Analysis, Second Edition 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 تحلیل رگرسیون خطی، ویرایش دوم 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.
توضیح مختصر، ریاضی، و جامع موضوع.
* پوشش گسترده ای از تشخیص و روش های برازش مدل.
* نیازی به دانش تخصصی فراتر از درک خوب جبر ماتریسی و آشنایی با
رگرسیون خط مستقیم و رگرسیون ندارد. تجزیه و تحلیل ساده مدلهای
واریانس.
* بیش از 200 مسئله در سراسر کتاب به اضافه راهحلهای کلی برای
تمرینها.
* این ویرایش بهطور گسترده در کلاس آزمایش شده است. محتوا:
فصل 1 بردارهای متغیرهای تصادفی (صفحات) 1-16):
فصل 2 توزیع نرمال چند متغیره (صفحه های 17-33):
فصل 3 رگرسیون خطی: تخمین و نظریه توزیع (صفحات 35-95):
فصل 4 آزمون فرضیه (صفحه های 97-) 118):
فصل 5 فواصل و مناطق اطمینان (صفحات 119-137):
فصل 6 رگرسیون مستقیم؟ خط (صفحه های 139-163):
فصل 7 رگرسیون چند جمله ای (صفحه های 165-185):
br>فصل 8 تجزیه و تحلیل واریانس (صفحات 187-226):
فصل 9 انحراف از مفروضات اساسی (صفحات 227-263):
فصل 10 انحراف از فرضیات: تشخیص و درمان (صفحات 265-32):
br>بخش 11 الگوریتم های محاسباتی برای برازش رگرسیون (صفحه های
329-389):
فصل 12 پیش بینی و انتخاب مدل (صفحه های 391-456):
Concise, mathematically clear, and comprehensive treatment of
the subject.
* Expanded coverage of diagnostics and methods of model
fitting.
* Requires no specialized knowledge beyond a good grasp of
matrix algebra and some acquaintance with straight-line
regression and simple analysis of variance models.
* More than 200 problems throughout the book plus outline
solutions for the exercises.
* This revision has been extensively
class-tested.Content:
Chapter 1 Vectors of Random Variables (pages 1–16):
Chapter 2 Multivariate Normal Distribution (pages 17–33):
Chapter 3 Linear Regression: Estimation and Distribution Theory
(pages 35–95):
Chapter 4 Hypothesis Testing (pages 97–118):
Chapter 5 Confidence Intervals and Regions (pages
119–137):
Chapter 6 Straight?Line Regression (pages 139–163):
Chapter 7 Polynomial Regression (pages 165–185):
Chapter 8 Analysis of Variance (pages 187–226):
Chapter 9 Departures from Underlying Assumptions (pages
227–263):
Chapter 10 Departures from Assumptions: Diagnosis and Remedies
(pages 265–328):
Chapter 11 Computational Algorithms for Fitting a Regression
(pages 329–389):
Chapter 12 Prediction and Model Selection (pages 391–456):