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
دسته بندی: الگوریتم ها و ساختارهای داده ویرایش: 1 نویسندگان: Frédéric Ferraty. Philippe Vieu سری: Springer Series in Statistics ISBN (شابک) : 0387303693, 9780387303697 ناشر: Springer سال نشر: 2006 تعداد صفحات: 280 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
در صورت تبدیل فایل کتاب Nonparametric Functional Data Analysis: Theory and Practice (Springer Series in 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 تجزیه و تحلیل داده های تابعی ناپارامتریک: تئوری و عمل (سری اسپرینگر در 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.
دستگاههای مدرن به ما امکان میدهند نمونههایی از دادههای عملکردی، عمدتاً منحنیها و همچنین تصاویر را جمعآوری کنیم. از سوی دیگر، آمار ناپارامتریک ابزارهای مفیدی برای اکتشاف داده های استاندارد تولید می کند. این کتاب این دو حوزه آمار مدرن را با توضیح اینکه چگونه داده های عملکردی را می توان از طریق ایده های آماری بدون پارامتر مطالعه کرد، به هم پیوند می دهد. در عین حال نشان میدهد که چگونه دادههای عملکردی را میتوان از طریق ایدههای آماری بدون پارامتر مطالعه کرد، و ارائهای اصلی از روشهای آماری ناپارامتریک جدید برای تجزیه و تحلیل دادههای عملکردی ارائه میدهد.
Modern apparatuses allow us to collect samples of functional data, mainly curves but also images. On the other hand, nonparametric statistics produces useful tools for standard data exploration. This book links these two fields of modern statistics by explaining how functional data can be studied through parameter-free statistical ideas. At the same time it shows how functional data can be studied through parameter-free statistical ideas, and offers an original presentation of new nonparametric statistical methods for functional data analysis.