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: Haruo Yanai, Kei Takeuchi, Yoshio Takane (auth.) سری: Statistics for Social and Behavioral Sciences ISBN (شابک) : 1441998861, 9781441998866 ناشر: Springer-Verlag New York سال نشر: 2011 تعداد صفحات: 247 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب ماتریس های پروجکشن، ماتریس های معکوس تعمیم یافته و تجزیه ارزش منفرد: آمار، عمومی، آمار برای علوم زیستی، پزشکی، علوم بهداشتی
در صورت تبدیل فایل کتاب Projection Matrices, Generalized Inverse Matrices, and Singular Value Decomposition 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 ماتریس های پروجکشن، ماتریس های معکوس تعمیم یافته و تجزیه ارزش منفرد 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.
به غیر از نظریه توزیع، پیش بینی ها و تجزیه ارزش منفرد (SVD) دو مفهوم مهم برای درک مکانیسم اساسی تحلیل چند متغیره هستند. اولی زیربنای برآورد حداقل مربعات در تحلیل رگرسیون است، که اساساً یک طرح ریزی از یک زیرفضا به فضای دیگر است، و دومی زیربنای تجزیه و تحلیل مؤلفه های اصلی است، که به دنبال یافتن فضای فرعی است که بیشترین تنوع را در فضای اصلی ثبت کند.
این کتاب درباره پیش بینی ها و SVD است. بحث کاملی در مورد ماتریسهای معکوس تعمیمیافته (g-inverse) نیز ارائه شده است زیرا ارتباط نزدیکی با اولی دارد. این کتاب گزارشهای سیستماتیک و عمیقی از این مفاهیم از دیدگاه یکپارچهای از فضاهای برداری با ابعاد محدود تبدیلهای خطی ارائه میکند. به طور خاص، نشان می دهد که ماتریس های طرح ریزی (پروژکتورها) و ماتریس های معکوس g را می توان به روش های مختلفی تعریف کرد به طوری که یک فضای برداری به مجموع مستقیمی از زیرفضاهای (غیرمتناسب) تجزیه می شود. ماتریسهای فرافکنی، ماتریسهای معکوس تعمیمیافته، و تجزیه ارزش منفرد برای محققان، پزشکان و دانشآموزان در ریاضیات کاربردی، آمار، مهندسی، رفتارسنجی و سایر زمینهها مفید خواهد بود.
Aside from distribution theory, projections and the singular value decomposition (SVD) are the two most important concepts for understanding the basic mechanism of multivariate analysis. The former underlies the least squares estimation in regression analysis, which is essentially a projection of one subspace onto another, and the latter underlies principal component analysis, which seeks to find a subspace that captures the largest variability in the original space.
This book is about projections and SVD. A thorough discussion of generalized inverse (g-inverse) matrices is also given because it is closely related to the former. The book provides systematic and in-depth accounts of these concepts from a unified viewpoint of linear transformations finite dimensional vector spaces. More specially, it shows that projection matrices (projectors) and g-inverse matrices can be defined in various ways so that a vector space is decomposed into a direct-sum of (disjoint) subspaces. Projection Matrices, Generalized Inverse Matrices, and Singular Value Decomposition will be useful for researchers, practitioners, and students in applied mathematics, statistics, engineering, behaviormetrics, and other fields.
Front Matter....Pages i-xi
Fundamentals of Linear Algebra....Pages 1-24
Projection Matrices....Pages 25-54
Generalized Inverse Matrices....Pages 55-86
Explicit Representations....Pages 87-123
Singular Value Decomposition (SVD)....Pages 125-149
Various Applications....Pages 151-203
Answers to Exercises....Pages 205-228
References....Pages 229-232
Back Matter....Pages 233-234