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: 99th
نویسندگان: Donald B. Rubin
سری:
ISBN (شابک) : 047108705X, 9780471087052
ناشر:
سال نشر: 1987
تعداد صفحات: 285
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 12 مگابایت
در صورت تبدیل فایل کتاب Multiple Imputation for Nonresponse in Surveys (Wiley Series in Probability and Statistics) 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 انتساب چندگانه برای عدم پاسخگویی در نظرسنجی ها (سری های Wiley در احتمال و آمار) 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.
نشان میدهد که چگونه میتوان با جایگزین کردن هر مقدار گمشده با دو یا چند انتساب چندگانه، با عدم پاسخگویی در نظرسنجیها و سرشماریهای نمونه برخورد کرد. به وضوح مزایای محاسبات مدرن را برای چنین نظرسنجی های دسته ای نشان می دهد و مزایای این تکنیک آماری را برای محققانی که باید آنها را تجزیه و تحلیل کنند نشان می دهد. همچنین پیش زمینه ای برای نظریه بیزی و فراوانی ارائه می دهد. پس از اینکه مشخص شد برای تجزیه و تحلیل یک مجموعه چند منتسب فقط به روشهای استاندارد کامل داده نیاز است، متن رویهها را در شرایط عمومی ارزیابی میکند، و روشهای خاصی را برای ایجاد انتساب در موارد نادیدهانگیز و غیرقابل چشمپوشی مشخص میکند. مثالها و تمرینها ایدهها را تقویت میکنند، و تداخل ایدههای بیزی و مکرر تصویری واحد از آمار مدرن ارائه میدهد.
Demonstrates how nonresponse in sample surveys and censuses can be handled by replacing each missing value with two or more multiple imputations. Clearly illustrates the advantages of modern computing to such handle surveys, and demonstrates the benefit of this statistical technique for researchers who must analyze them. Also presents the background for Bayesian and frequentist theory. After establishing that only standard complete-data methods are needed to analyze a multiply-imputed set, the text evaluates procedures in general circumstances, outlining specific procedures for creating imputations in both the ignorable and nonignorable cases. Examples and exercises reinforce ideas, and the interplay of Bayesian and frequentist ideas presents a unified picture of modern statistics.