دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Maximum Likelihood Estimation with Stata, Fourth Edition
دانلود کتاب حداکثر برآورد احتمال با Stata ، چاپ چهارم
مشخصات کتاب
Maximum Likelihood Estimation with Stata, Fourth Edition
ویرایش: 4 نویسندگان: William Gould, Jeffrey Pitblado, Brian Poi سری: ISBN (شابک) : 1597180785, 9781597180788 ناشر: Stata Press سال نشر: 2010 تعداد صفحات: 376 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
قیمت کتاب (تومان) : 47,000
در صورت تبدیل فایل کتاب Maximum Likelihood Estimation with Stata, Fourth 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 حداکثر برآورد احتمال با Stata ، چاپ چهارم 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 حداکثر برآورد احتمال با Stata ، چاپ چهارم
برآورد حداکثر احتمال با Stata، ویرایش چهارم برای محققان در همه رشته‌ها نوشته شده است که نیاز به محاسبه برآوردگرهای حداکثر احتمالی دارند که به عنوان روال از پیش بسته‌بندی شده در دسترس نیستند. فرض بر این است که خوانندگان با Stata آشنا هستند، اما هیچ مهارت برنامه نویسی خاصی فرض نمی شود مگر در چند فصل آخر، که جزئیات نحوه افزودن یک دستور تخمین جدید به Stata را شرح می دهد. کتاب با مقدمه‌ای بر تئوری تخمین حداکثر احتمال با توجه خاص به مفاهیم عملی برای کار کاربردی آغاز می‌شود. سپس فصول جداگانه هر یک از چهار نوع برنامه ارزیاب احتمال را به تفصیل شرح می‌دهند و مثال‌های متعددی مانند رگرسیون لاجیت و پروبیت، رگرسیون وایبول، رگرسیون خطی با اثرات تصادفی و مدل خطرات متناسب کاکس ارائه می‌دهند. فصل‌ها و ضمیمه‌های بعدی جزئیات بیشتری را در مورد دستور ml ارائه می‌کنند، فهرست‌های چک را ارائه می‌کنند که باید هنگام نوشتن ارزیاب‌ها دنبال شوند، و نحوه نوشتن دستورات برآورد خود را نشان می‌دهند.
توضیحاتی درمورد کتاب به خارجی
Maximum Likelihood Estimation with Stata, Fourth Edition is written for researchers in all disciplines who need to compute maximum likelihood estimators that are not available as prepackaged routines. Readers are presumed to be familiar with Stata, but no special programming skills are assumed except in the last few chapters, which detail how to add a new estimation command to Stata. The book begins with an introduction to the theory of maximum likelihood estimation with particular attention on the practical implications for applied work. Individual chapters then describe in detail each of the four types of likelihood evaluator programs and provide numerous examples, such as logit and probit regression, Weibull regression, random-effects linear regression, and the Cox proportional hazards model. Later chapters and appendixes provide additional details about the ml command, provide checklists to follow when writing evaluators, and show how to write your own estimation commands.
