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: برنامه نویسی: زبان های برنامه نویسی ویرایش: نویسندگان: Johnson M.S. سری: ناشر: سال نشر: تعداد صفحات: 0 زبان: English فرمت فایل : RAR (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 368 کیلوبایت
کلمات کلیدی مربوط به کتاب برآورد حداکثر احتمال حاشیه ای مدل های پاسخ آیتم در R + Code: کتابخانه، ادبیات کامپیوتر، ر
در صورت تبدیل فایل کتاب Marginal Maximum Likelihood Estimation of Item Response Models in R + Code 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 برآورد حداکثر احتمال حاشیه ای مدل های پاسخ آیتم در R + Code 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.
مدلهای نظریه پاسخ آیتم (IRT) دستهای از مدلهای آماری هستند که توسط محققان برای توصیف رفتارهای پاسخ افراد به مجموعهای از آیتمهای دارای امتیاز طبقهبندی شده استفاده میشوند. رایجترین مدلهای IRT را میتوان به عنوان مدلهای خطی تعمیم یافته ثابت و/یا اثر مختلط طبقهبندی کرد. اگرچه مدلهای IRT اغلب در ادبیات تست روانشناختی ظاهر میشوند، محققان در زمینههای دیگر با موفقیت از مدلهای IRT مانند در طیف گستردهای از کاربردها استفاده کردهاند. این مقاله سه روش اصلی برآورد در IRT را مورد بحث قرار میدهد و توابع R را با استفاده از قابلیتهای داخلی محیط R برای یافتن تخمینهای حداکثر احتمال حاشیهای مدل اعتبار جزئی تعمیمیافته توسعه میدهد. در حال حاضر بسته های R موجود ltm نیز مورد بحث قرار گرفته است.
Item response theory (IRT) models are a class of statistical models used by researchers to describe the response behaviors of individuals to a set of categorically scored items. The most common IRT models can be classified as generalized linear fixed- and/or mixed-effect models. Although IRT models appear most often in the psychological testing literature, researchers in other fields have successfully utilized IRT-like models in a wide variety of applications. This paper discusses the three major methods of estimation in IRT and develops R functions utilizing the built-in capabilities of the R environment to find the marginal maximum likelihood estimates of the generalized partial credit model. The currently available R packages ltm is also discussed.