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: Jun Xu
سری: Chapman & Hall/CRC Statistics in the Social and Behavioral Sciences
ISBN (شابک) : 0367173875, 9780367173876
ناشر: CRC Press/Chapman & Hall
سال نشر: 2022
تعداد صفحات: 297
[298]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 7 Mb
در صورت تبدیل فایل کتاب Modern Applied Regressions: Bayesian and Frequentist Analysis of Categorical and Limited Response Variables with R and Stan 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 رگرسیون های کاربردی مدرن: تحلیل بیزی و فرکانس متغیرهای پاسخ مقوله ای و محدود با R و Stan 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.
رگرسیونهای کاربردی مدرن یک نقاشی دیواری پیچیده و رنگارنگ با موزاییکهای مدلهای متغیر پاسخ محدود (CLRV) با استفاده از هر دو رویکرد بیزی و فرکانس ایجاد میکند. این متن که برای دانشجویان فارغ التحصیل، محققان جوان و تحلیلگران کمی در علوم رفتاری، بهداشتی و اجتماعی نوشته شده است، جزئیاتی را برای انجام تحلیل داده های بیزی و مکرر مدل های CLRV ارائه می دهد. هر فصل را می توان به طور جداگانه با تکه های کدگذاری R و تفسیر الگو برای تکرار آسان خواند و مطالعه کرد. متن همراه با بخش انجام، نظریههای آماری اساسی و قابل دسترس را در پس این مدلها ارائه میکند و از یک سبک روایی برای بازگویی منشأ و تکامل آنها استفاده میکند.
این کتاب ابتدا هم بیزی و هم بیزی را داربست میدهد. پارادایم های فراوان گرا برای تجزیه و تحلیل رگرسیون، و سپس به انواع مختلف مدل های متغیر پاسخ مقوله ای و محدود، از جمله باینری، مرتب، چند جمله ای، شمارش و رگرسیون بقا حرکت می کند. هر یک از چهار فصل میانی، نوع اصلی رگرسیون CLRV را مورد بحث قرار میدهد که مجموعهای از انواع و الحاقات مهم را در بر میگیرد. بحث در مورد همه انواع اصلی معمولاً با تاریخچه و تکامل مدل اولیه آغاز میشود و سپس با فرمولبندی ویژگیهای آماری پایه و توضیح بیشتر در مورد بخش انجامدهنده مدل و گسترش آن، شروع میشود. بخش انجام معمولاً شامل کدهای R، نتایج و تفسیر آنها است. فصل آخر مدلسازی پیشرفته و تکنیکهای پیشبینی را مورد بحث قرار میدهد - مدلسازی چندسطحی، استنتاج علّی و تجزیه و تحلیل امتیاز تمایل، و یادگیری ماشین - که عمدتاً با ابزارهای طراحیشده برای مدلهای CLRV که قبلاً پوشش داده شدهاند، ساخته شدهاند.
منابع آنلاین این کتاب، از جمله کدهای R و Stan و
یادداشتهای تکمیلی، در
https://sites.google.com/site/socjunxu/home/statistics/modernapplied-
regressions قابل دسترسی هستند. .
Modern Applied Regressions creates an intricate and colorful mural with mosaics of categorical and limited response variable (CLRV) models using both Bayesian and Frequentist approaches. Written for graduate students, junior researchers, and quantitative analysts in behavioral, health, and social sciences, this text provides details for doing Bayesian and frequentist data analysis of CLRV models. Each chapter can be read and studied separately with R coding snippets and template interpretation for easy replication. Along with the doing part, the text provides basic and accessible statistical theories behind these models and uses a narrative style to recount their origins and evolution.
This book first scaffolds both Bayesian and frequentist paradigms for regression analysis, and then moves onto different types of categorical and limited response variable models, including binary, ordered, multinomial, count, and survival regression. Each of the middle four chapters discusses a major type of CLRV regression that subsumes an array of important variants and extensions. The discussion of all major types usually begins with the history and evolution of the prototypical model, followed by the formulation of basic statistical properties and an elaboration on the doing part of the model and its extension. The doing part typically includes R codes, results, and their interpretation. The last chapter discusses advanced modeling and predictive techniques―multilevel modeling, causal inference and propensity score analysis, and machine learning―that are largely built with the toolkits designed for the CLRV models previously covered.
The online resources for this book, including R and
Stan codes and supplementary
notes, can be accessed at
https://sites.google.com/site/socjunxu/home/statistics/modernapplied-
regressions.