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
ویرایش: نویسندگان: Alvin C. Rencher, William F. Christensen(auth.) سری: Wiley Series in Probability and Statistics ISBN (شابک) : 9780470178966, 9781118391686 ناشر: سال نشر: 2012 تعداد صفحات: 781 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 16 مگابایت
در صورت تبدیل فایل کتاب Methods of Multivariate Analysis, Third 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 روشهای تجزیه و تحلیل چند متغیره ، چاپ سوم 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.
ستایش ویرایش دوم
\"این کتاب یک متن منظم، خوب نوشته شده و سازماندهی شده در
چند متغیره است. تجزیه و تحلیل مملو از شهود و بینش... در این
کتاب حکمت عملی زیادی وجود دارد که یافتن آن در جای دیگر دشوار
است.\"
?IIE Transactions
پر از مطالب جدید محتوای به موقع، روش های تحلیل چند متغیره، ویرایش سوم نمونه ها و تمرین هایی را بر اساس بیش از شصت مجموعه داده واقعی از طیف گسترده ای از زمینه های علمی ارائه می دهد. این یک رویکرد \"روشها\" به موضوع دارد و بر این نکته تأکید دارد که چگونه دانشآموزان و پزشکان میتوانند از تحلیل چند متغیره در موقعیتهای واقعی استفاده کنند.
این ویرایش سوم به کاوش رویه های توصیفی و استنباطی کلیدی که از تجزیه و تحلیل چند متغیره حاصل می شود، ادامه می دهد. پس از مروری کوتاه بر موضوع، کتاب به بررسی مبانی جبر ماتریسی، نمونهبرداری از جمعیتهای چند متغیره، و بسط روشهای آماری تک متغیره رایج (از جمله آزمونهای t، تحلیل واریانس، و رگرسیون چندگانه) به تکنیک های چند متغیره مشابه که شامل چندین متغیر وابسته است. نیمه دوم کتاب ابزارهای آماری را توصیف میکند که ماهیت منحصربهفردی چند متغیره دارند، از جمله روشهایی برای تمایز بین گروهها، مشخص کردن ساختار پنهان کمبعد در دادههای با ابعاد بالا، شناسایی خوشهها در دادهها، و نشان دادن گرافیکی روابط در فضای کمبعد. علاوه بر این، نویسندگان تعداد زیادی از موضوعات جدید اضافه شده را بررسی می کنند، از جمله:
تمرینهای جدیدی در سراسر کتاب اضافه شده است که به خوانندگان اجازه میدهد تست کنند. درک آنها از مطالب ارائه شده ضمیمه های مفصل راه حل های جزئی و همچنین جداول تکمیلی را ارائه می دهند، و یک سایت FTP همراه مجموعه داده های کتاب و کد SAS® مربوطه را نشان می دهد.
که فقط به پیشینه اولیه در آمار نیاز دارد، روش های تحلیل
چند متغیره، ویرایش سوم کتابی عالی برای دوره های تحلیل چند
متغیره و آمار کاربردی در سطوح فوق لیسانس و فوق لیسانس است.
این کتاب همچنین به عنوان یک مرجع ارزشمند برای آماردانان و
محققان در طیف گسترده ای از رشته ها عمل می کند. br>فصل 3
مشخص کردن و نمایش داده های چند متغیره (صفحات 47-90):
فصل 4 توزیع نرمال چند متغیره (صفحات 91-123):
آزمون های فصل 5 روی یک یا دو بردار متوسط (صفحات 125-167)
:
فصل 6 تجزیه و تحلیل چند متغیره واریانس (صفحات 169-257):
فصل 7 آزمون های مربوط به ماتریس های کوواریانس (صفحات
259-280):
فصل 8 تجزیه و تحلیل متمایز: شرح جداسازی گروه (صفحه های
281-308) ):
تحلیل طبقه بندی فصل 9: تخصیص مشاهدات به گروه ها (صفحات
309-337):
فصل 10 رگرسیون چند متغیره (صفحات 339-383):
فصل 11 همبستگی متعارف (صفحات 385-403):
فصل 12 تجزیه و تحلیل مؤلفه اصلی (صفحات 405-433):
فصل 13 تجزیه و تحلیل عاملی اکتشافی (صفحات 435-477):
فصل 14 تجزیه و تحلیل عامل تأییدی (صفحات 479-500):
فصل 1 تجزیه و تحلیل خوشه ای (صفحات 501-554):
روش های گرافیکی فصل 16 (صفحات 555-596):
Praise for the Second Edition
"This book is a systematic, well-written, well-organized
text on multivariate analysis packed with intuition and
insight . . . There is much practical wisdom in this book
that is hard to find elsewhere."
?IIE Transactions
Filled with new and timely content, Methods of Multivariate Analysis, Third Edition provides examples and exercises based on more than sixty real data sets from a wide variety of scientific fields. It takes a "methods" approach to the subject, placing an emphasis on how students and practitioners can employ multivariate analysis in real-life situations.
This Third Edition continues to explore the key descriptive and inferential procedures that result from multivariate analysis. Following a brief overview of the topic, the book goes on to review the fundamentals of matrix algebra, sampling from multivariate populations, and the extension of common univariate statistical procedures (including t-tests, analysis of variance, and multiple regression) to analogous multivariate techniques that involve several dependent variables. The latter half of the book describes statistical tools that are uniquely multivariate in nature, including procedures for discriminating among groups, characterizing low-dimensional latent structure in high-dimensional data, identifying clusters in data, and graphically illustrating relationships in low-dimensional space. In addition, the authors explore a wealth of newly added topics, including:
New exercises have been added throughout the book, allowing readers to test their comprehension of the presented material. Detailed appendices provide partial solutions as well as supplemental tables, and an accompanying FTP site features the book's data sets and related SAS® code.
Requiring only a basic background in statistics, Methods
of Multivariate Analysis, Third Edition is an excellent
book for courses on multivariate analysis and applied
statistics at the upper-undergraduate and graduate levels.
The book also serves as a valuable reference for both
statisticians and researchers across a wide variety of
disciplines.Content:
Chapter 1 Introduction (pages 1–5):
Chapter 2 Matrix Algebra (pages 7–45):
Chapter 3 Characterizing and Displaying Multivariate Data
(pages 47–90):
Chapter 4 The Multivariate Normal Distribution (pages
91–123):
Chapter 5 Tests on One or Two Mean Vectors (pages
125–167):
Chapter 6 Multivariate Analysis of Variance (pages
169–257):
Chapter 7 Tests on Covariance Matrices (pages 259–280):
Chapter 8 Discriminant Analysis: Description of Group
Separation (pages 281–308):
Chapter 9 Classification Analysis: Allocation of Observations
to Groups (pages 309–337):
Chapter 10 Multivariate Regression (pages 339–383):
Chapter 11 Canonical Correlation (pages 385–403):
Chapter 12 Principal Component Analysis (pages
405–433):
Chapter 13 Exploratory Factor Analysis (pages 435–477):
Chapter 14 Confirmatory Factor Analysis (pages
479–500):
Chapter 15 Cluster Analysis (pages 501–554):
Chapter 16 Graphical Procedures (pages 555–596):