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: [1st ed.] نویسندگان: Edgar Brunner, Arne C. Bathke, Frank Konietschke سری: Springer Series in Statistics ISBN (شابک) : 9783030029128 ناشر: Springer International Publishing سال نشر: 2018 تعداد صفحات: XX, 521 [536] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 12 Mb
در صورت تبدیل فایل کتاب Rank and Pseudo-Rank Procedures for Independent Observations in Factorial Designs : Using R and SAS 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 رویههای رتبهبندی و شبه رتبهای برای مشاهدات مستقل در طرحهای فاکتوریل: با استفاده از R و SAS 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 نحوه تجزیه و تحلیل دادههای مستقل از طرحهای فاکتوریل را بدون نیاز به فرضیات محدودکننده، مانند نرمال بودن دادهها یا واریانسهای مساوی، توضیح میدهد. رویکرد کلی همچنین امکان داده های ترتیبی و حتی دوگانه را فراهم می کند. اندازه اثر اساسی، اثر نسبی ناپارامتری است که تفسیر احتمالی ساده و شهودی دارد. تجزیه و تحلیل داده ها تا حد امکان جامع ارائه شده است، شامل آمار توصیفی مناسب که از یک پارادایم ناپارامتریک پیروی می کند، و همچنین روش های استنباطی مربوطه با استفاده از آزمون های فرضیه و فواصل اطمینان بر اساس شبه رتبه ها.
با ارائه توضیحات واضح، مروری بر روش استنتاج مبتنی بر رتبه و شبه رتبه مدرن و تصاویر متعدد با نمونه های داده واقعی، و همچنین کد R/SAS لازم برای اجرای تحلیل های آماری، کتاب یک منبع ارزشمند برای آماردانان و پزشکان به طور یکسان است.
This book explains how to analyze independent data from factorial designs without having to make restrictive assumptions, such as normality of the data, or equal variances. The general approach also allows for ordinal and even dichotomous data. The underlying effect size is the nonparametric relative effect, which has a simple and intuitive probability interpretation. The data analysis is presented as comprehensively as possible, including appropriate descriptive statistics which follow a nonparametric paradigm, as well as corresponding inferential methods using hypothesis tests and confidence intervals based on pseudo-ranks.
Offering clear explanations, an overview of the modern rank- and pseudo-rank-based inference methodology and numerous illustrations with real data examples, as well as the necessary R/SAS code to run the statistical analyses, this book is a valuable resource for statisticians and practitioners alike.