ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Metric Methods for Analyzing Partially Ranked Data

دانلود کتاب روش های متریک برای تجزیه و تحلیل داده های رتبه بندی شده جزئی

Metric Methods for Analyzing Partially Ranked Data

مشخصات کتاب

Metric Methods for Analyzing Partially Ranked Data

ویرایش: 1 
نویسندگان:   
سری: Lecture Notes in Statistics 34 
ISBN (شابک) : 9780387962887, 9781461211068 
ناشر: Springer-Verlag New York 
سال نشر: 1985 
تعداد صفحات: 224 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 مگابایت 

قیمت کتاب (تومان) : 53,000



کلمات کلیدی مربوط به کتاب روش های متریک برای تجزیه و تحلیل داده های رتبه بندی شده جزئی: آمار، عمومی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 9


در صورت تبدیل فایل کتاب Metric Methods for Analyzing Partially Ranked Data 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 روش های متریک برای تجزیه و تحلیل داده های رتبه بندی شده جزئی 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 روش های متریک برای تجزیه و تحلیل داده های رتبه بندی شده جزئی



رتبه‌بندی کامل از n مورد صرفاً ترتیبی از همه این موارد است، به شکل: انتخاب اول، انتخاب دوم، •. . ، انتخاب n. اگر دو قاضی هر کدام n مورد یکسان را رتبه بندی کنند، آماردانان از معیارهای مختلفی برای اندازه گیری نزدیکی دو رتبه استفاده کرده اند، از جمله تاو کن دال، رو اسپیرمن، پای فرمان اسپیرمن، متریک اولام، فاصله هال111 و فاصله کیلی. این معیارها در بسیاری از زمینه ها، در بسیاری از مسائل آماری و علمی کاربردی به کار گرفته شده اند. این مونوگراف روش های نسل 1 را برای بسط این معیارها به داده های رتبه بندی شده ارائه می دهد. در اینجا \"داده های رتبه بندی شده جزئی\" به عنوان مثال به وضعیتی اشاره دارد که در آن n مورد مجزا وجود دارد، اما هر داور فقط انتخاب های اول تا k-ام خود را مشخص می کند، جایی که k < n. انواع پیچیده‌تر از داده‌های رتبه‌بندی جزئی نیز بررسی می‌شوند. نظریه گروه ابزار مهمی برای گسترش معیارها است. رتبه‌بندی‌های کامل با عناصر گروه جایگشت شناسایی می‌شوند، در حالی که رتبه‌بندی‌های جزئی با امتیازهایی در فضای مجموعه‌ای از گروه جایگشت مشخص می‌شوند. بنابراین مشکل به یکی از معیارهای گرایش قبلی در گروه جایگشت به متریک های فضای همبسته از گروه جایگشت تبدیل می شود. برای اجرای یون های بسط، دو روش جدید - به اصطلاح روش های هاسدورف و بردار ثابت - معرفی و پیاده سازی شده اند که از این ساختار گروهی-نظری بهره برداری می کنند. در ادبیات آماری ارائه شده است.


توضیحاتی درمورد کتاب به خارجی

A full ranking of n items is simply an ordering of all these items, of the form: first choice, second choice, •. . , n-th choice. If two judges each rank the same n items, statisticians have used various metrics to measure the closeness of the two rankings, including Ken­ dall's tau, Spearman's rho, Spearman's footrule, Ulam's metric, Hal1l11ing distance, and Cayley distance. These metrics have been em­ ployed in many contexts, in many applied statistical and scientific problems. Thi s monograph presents genera 1 methods for extendi ng these metri cs to partially ranked data. Here "partially ranked data" refers, for instance, to the situation in which there are n distinct items, but each judge specifies only his first through k-th choices, where k < n. More complex types of partially ranked data are also investigated. Group theory is an important tool for extending the metrics. Full rankings are identified with elements of the permutation group, whereas partial rankings are identified with points in a coset space of the permutation group. The problem thus becomes one of ex­ tending metrics on the permutation group to metrics on a coset space of the permutation group. To carry out the extens"ions, two novel methods -- the so-called Hausdorff and fixed vector methods -- are introduced and implemented, which exploit this group-theoretic structure. Various data-analytic applications of metrics on fully ranked data have been presented in the statistical literature.



فهرست مطالب

Front Matter....Pages I-X
Introduction and Outline....Pages 1-4
Metrics on Fully Ranked Data....Pages 5-11
Metrics on Partially Ranked Data: The Case Where Each Judge Lists His k Favorite Items Out of n....Pages 12-32
Metrics on Other Types of Partially Ranked Data....Pages 33-79
Distributional Properties of the Metrics....Pages 80-96
Data Analysis, Using the Metrics....Pages 97-129
Back Matter....Pages 130-216




نظرات کاربران