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: 1 نویسندگان: Peter J. Diggle, Paulo J. Ribeiro Jr. سری: Springer Series in Statistics ISBN (شابک) : 0387329072, 9780387329079 ناشر: Springer سال نشر: 2007 تعداد صفحات: 242 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
در صورت تبدیل فایل کتاب Model-based Geostatistics 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 زمین آمار مبتنی بر مدل 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 جلد اولین کتابی است که به زمین آمار مبتنی بر مدل میپردازد. متن تشریحی است و بر روشها و کاربردهای آماری تأکید دارد تا بر نظریههای ریاضی. تجزیه و تحلیل مجموعههای داده از طیف وسیعی از زمینههای علمی برجسته است و شبیهسازیها برای نشان دادن نتایج نظری استفاده میشوند. خوانندگان می توانند بیشتر نتایج محاسباتی کتاب را با استفاده از بسته نرم افزاری نویسندگان، geoR، که کاربرد آن در قسمت محاسباتی در پایان هر فصل نشان داده شده است، بازتولید کنند. این کتاب دانش کاری از روشهای کلاسیک و بیزی استنتاج، مدلهای خطی و مدلهای خطی تعمیمیافته را فرض میکند.
This volume is the first book-length treatment of model-based geostatistics. The text is expository, emphasizing statistical methods and applications rather than the underlying mathematical theory. Analyses of datasets from a range of scientific contexts feature prominently, and simulations are used to illustrate theoretical results. Readers can reproduce most of the computational results in the book by using the authors' software package, geoR, whose usage is illustrated in a computation section at the end of each chapter. The book assumes a working knowledge of classical and Bayesian methods of inference, linear models, and generalized linear models.
Cover ......Page 1
Advisors ......Page 2
Springer series in statistics ......Page 3
Title ......Page 4
Copyright ......Page 5
Preface ......Page 7
Contents ......Page 9
1. Introduction ......Page 14
2. An overview of model-based geostatistics ......Page 40
3. Gaussian models for geostatistical data ......Page 59
4. Generalized linear models for geostatistical data ......Page 92
5. Classical parameter estimation ......Page 112
6. Spatial prediction ......Page 147
7. Bayesian inference ......Page 170
8. Geostatistical design ......Page 212
Appendix a: statistical background ......Page 226
References ......Page 231
Index ......Page 240
Springer series in statistics (cont.) ......Page 242