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: 0
نویسندگان: Norman Cliff
سری:
ISBN (شابک) : 0805813330, 9780805813333
ناشر: Erlbaum
سال نشر: 1996
تعداد صفحات: 212
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 9 مگابایت
در صورت تبدیل فایل کتاب Ordinal methods for behavioral data analysis 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 روش های معمولی برای تجزیه و تحلیل داده های رفتاری 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 با اتخاذ رویکردی نوآورانه، روشهای ترتیبی را بهصورت یکپارچه و نه بهعنوان خلاصهای از روشهای نامرتبط مورد بررسی قرار میدهد، و تأکید میکند که مقادیر ترتیبی به خودی خود بسیار معنادار هستند، نه فقط به عنوان پایهای برای همبستگیها یا تحلیلهای سنتیتر. واریانس در واقع، از آنجایی که آمارهای ترتیبی ویژگی های توصیفی خود را دارند، کتاب به جای ناپارامتری، به آنها به صورت پارامتری برخورد می کند. نویسنده بحث میکند که چگونه آمار ترتیبی را میتوان در مجموعهای از موقعیتهای تحقیقاتی بسیار گستردهتر از آنچه که معمولاً تصور میشد به کار برد، و نشان میدهد که آنها اغلب میتوانند به پاسخگویی به سؤالات اولیه محقق بیشتر از موارد سنتی نزدیک شوند.
Taking an innovative approach, this book treats ordinal methods in an integrated way rather than as a compendium of unrelated methods, and emphasizes that the ordinal quantities are highly meaningful in their own right, not just as stand-ins for more traditional correlations or analyses of variance. In fact, since the ordinal statistics have desirable descriptive properties of their own, the book treats them parametrically, rather than nonparametrically. The author discusses how ordinal statistics can be applied in a much wider set of research situations than has usually been thought, and shows that they can often come closer to answering the researcher's primary questions than traditional ones can.