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: ریاضیات ویرایش: نویسندگان: Jeffrey R. Wilson, Elsa Vazquez-Arreola, (Din) Ding-Geng Chen سری: Emerging Topics in Statistics and Biostatistics ISBN (شابک) : 3030489035, 9783030489038 ناشر: Springer سال نشر: 2020 تعداد صفحات: 182 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
در صورت تبدیل فایل کتاب Marginal Models in Analysis of Correlated Binary Data with Time Dependent Covariates 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 حاشیه ای در تجزیه و تحلیل داده های دودویی همبسته با متغیرهای وابسته به زمان 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 مونوگرافی نقطه مختصری از موضوعات تحقیق و مرجع برای مدلسازی دادههای پاسخ همبسته با متغیرهای وابسته به زمان و دادههای طولی برای تجزیه و تحلیل مدلهای میانگین جمعیت ارائه میکند و روشها را با انواع مختلف برجسته میکند. علمای پیشگام در حالی که مدلهای ارائهشده در این جلد برای دادههای مربوط به سلامت و سلامت اعمال میشوند، میتوان از آنها برای تجزیه و تحلیل هر نوع دادهای که حاوی متغیرهای کمکی است که در طول زمان تغییر میکنند استفاده کرد. داده های موجود با استفاده از R و SAS تجزیه و تحلیل می شوند و داده ها و برنامه های محاسباتی در اختیار خوانندگان قرار می گیرند تا بتوانند روش های تحت پوشش را تکرار و پیاده سازی کنند. این یک منبع عالی برای محققان آمار محاسباتی و روش شناختی و آمار زیستی، به ویژه در زمینه های کاربردی سلامت است.
This monograph provides a concise point of research topics and reference for modeling correlated response data with time-dependent covariates, and longitudinal data for the analysis of population-averaged models, highlighting methods by a variety of pioneering scholars. While the models presented in the volume are applied to health and health-related data, they can be used to analyze any kind of data that contain covariates that change over time. The included data are analyzed with the use of both R and SAS, and the data and computing programs are provided to readers so that they can replicate and implement covered methods. It is an excellent resource for scholars of both computational and methodological statistics and biostatistics, particularly in the applied areas of health.
Front Matter ....Pages i-xxiii
Review of Estimators for Regression Models (Jeffrey R. Wilson, Elsa Vazquez-Arreola, (Din) Ding-Geng Chen)....Pages 1-30
Generalized Estimating Equation and Generalized Linear Mixed Models (Jeffrey R. Wilson, Elsa Vazquez-Arreola, (Din) Ding-Geng Chen)....Pages 31-48
GMM Marginal Regression Models for Correlated Data with Grouped Moments (Jeffrey R. Wilson, Elsa Vazquez-Arreola, (Din) Ding-Geng Chen)....Pages 49-66
GMM Regression Models for Correlated Data with Unit Moments (Jeffrey R. Wilson, Elsa Vazquez-Arreola, (Din) Ding-Geng Chen)....Pages 67-81
Partitioned GMMLogistic Regression Models for Longitudinal Data (Jeffrey R. Wilson, Elsa Vazquez-Arreola, (Din) Ding-Geng Chen)....Pages 83-98
Partitioned GMM for Correlated Data with Bayesian Intervals (Jeffrey R. Wilson, Elsa Vazquez-Arreola, (Din) Ding-Geng Chen)....Pages 99-115
Simultaneous Modeling with Time-Dependent Covariates and Bayesian Intervals (Jeffrey R. Wilson, Elsa Vazquez-Arreola, (Din) Ding-Geng Chen)....Pages 117-135
A Two-Part GMM Model for Impact and Feedback for Time-Dependent Covariates (Jeffrey R. Wilson, Elsa Vazquez-Arreola, (Din) Ding-Geng Chen)....Pages 137-155
Back Matter ....Pages 157-166