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: Shonosuke Sugasawa. Tatsuya Kubokawa
سری: SpringerBriefs in Statistics: JSS Research Series in Statistics
ISBN (شابک) : 9811994854, 9789811994852
ناشر: Springer
سال نشر: 2023
تعداد صفحات: 126
[127]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 2 Mb
در صورت تبدیل فایل کتاب Mixed-Effects Models and Small Area Estimation 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 مدلهای اثرات مختلط و برآورد مساحت کوچک 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 کتاب مقدمهای مستقل از مدلهای اثرات مختلط و تکنیکهای تخمین ناحیه کوچک را ارائه میکند. به طور خاص، هم بر معرفی نظریه کلاسیک و هم بر بررسی جدیدترین روش ها تمرکز دارد. ابتدا، مسائل اساسی مدلهای اثرات مختلط، مانند تخمین پارامتر، پیشبینی اثرات تصادفی، انتخاب متغیر و نظریه مجانبی معرفی میشوند. سپس مدلهای اثرات مختلط استاندارد مورد استفاده در تخمین مساحت کوچک، معروف به مدل Fay-Herriot و مدل رگرسیون خطای تودرتو، معرفی میشوند. هر دو رویکرد متداول و بیزی برای محاسبه پیشبینیکنندههای پارامترهای منطقه کوچک مورد علاقه ارائه میشوند. برای اندازهگیری عدم قطعیت پیشبینیکنندهها، چندین روش برای محاسبه میانگین مجذور خطاها و فواصل اطمینان مورد بحث قرار گرفتهاند. روشهای پیشرفته مختلفی با استفاده از مدلهای اثرات مختلط، از رویکردهای متداول تا بیزی معرفی شدهاند. این کتاب برای محققان و دانشجویان فارغ التحصیل در زمینه هایی که نیاز به مهارت های تجزیه و تحلیل داده ها و همچنین در آمار ریاضی دارند مفید است.
This book provides a self-contained introduction of mixed-effects models and small area estimation techniques. In particular, it focuses on both introducing classical theory and reviewing the latest methods. First, basic issues of mixed-effects models, such as parameter estimation, random effects prediction, variable selection, and asymptotic theory, are introduced. Standard mixed-effects models used in small area estimation, known as the Fay-Herriot model and the nested error regression model, are then introduced. Both frequentist and Bayesian approaches are given to compute predictors of small area parameters of interest. For measuring uncertainty of the predictors, several methods to calculate mean squared errors and confidence intervals are discussed. Various advanced approaches using mixed-effects models are introduced, from frequentist to Bayesian approaches. This book is helpful for researchers and graduate students in fields requiring data analysis skills as well as in mathematical statistics.