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:
نویسندگان: Michael J Panik
سری:
ISBN (شابک) : 9781420091977, 1420091972
ناشر: CRC Press
سال نشر: 2009
تعداد صفحات: 806
زبان:
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 13 مگابایت
در صورت تبدیل فایل کتاب Regression modeling : methods, theory, and computation with 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 مدلسازی رگرسیون: روشها، تئوری و محاسبات با 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.
مدلسازی رگرسیون: روشها، تئوری و محاسبات با SAS مقدمهای بر مجموعه متنوعی از تکنیکهای رگرسیون با استفاده از SAS برای حل طیف گستردهای از مسائل رگرسیونی فراهم میکند. نویسنده به طور کامل برنامه های SAS را مستند کرده و خروجی تولید شده توسط برنامه ها را به طور کامل توضیح می دهد. این متن رویکرد حداقل مربعات معمولی رایج (OLS) را قبل از معرفی بسیاری از روشهای رگرسیون جایگزین ارائه میکند. رگرسیون ناپارامتریک، رگرسیون لجستیک (شامل رگرسیون پواسون)، رگرسیون بیزی، رگرسیون قوی، رگرسیون فازی، رگرسیون ضرایب تصادفی، رگرسیون L1 و رگرسیون چندکی q، رگرسیون در یک حوزه فضایی، رگرسیون پشته، رگرسیون نیمه خطی، رگرسیون حداقل مربعات ناپارامتریک، مسائل مربوط به رگرسیون سری زمانی برای اکثر روشهای رگرسیون، نویسنده کد رویه SAS را شامل میشود که خوانندگان را قادر میسازد تا به سرعت اجرای رگرسیون خود را انجام دهند. این کتاب یک منبع جامع و قابل دسترس در مورد روششناسی و مدلسازی رگرسیون که فقط به دانش اولیه آمار و حساب نیاز دارد، نحوه استفاده از تحلیل رگرسیون برای تصمیمگیری و حل مسئله را مورد بحث قرار میدهد. این به خوانندگان قدرت و تنوع تکنیک های رگرسیون را نشان می دهد بدون اینکه آنها را با محاسبات تحت تأثیر قرار دهد.
Regression Modeling: Methods, Theory, and Computation with SAS provides an introduction to a diverse assortment of regression techniques using SAS to solve a wide variety of regression problems. The author fully documents the SAS programs and thoroughly explains the output produced by the programs. The text presents the popular ordinary least squares (OLS) approach before introducing many alternative regression methods. It covers nonparametric regression, logistic regression (including Poisson regression), Bayesian regression, robust regression, fuzzy regression, random coefficients regression, L1 and q-quantile regression, regression in a spatial domain, ridge regression, semiparametric regression, nonlinear least squares, and time-series regression issues. For most of the regression methods, the author includes SAS procedure code, enabling readers to promptly perform their own regression runs. A Comprehensive, Accessible Source on Regression Methodology and Modeling Requiring only basic knowledge of statistics and calculus, this book discusses how to use regression analysis for decision making and problem solving. It shows readers the power and diversity of regression techniques without overwhelming them with calculations.
Content: Review of fundamental of statistics --
Bivariate linear regression and correlation --
Misspecified disturbance terms --
Nonparametric regression --
Logistic regression --
Bayesian regression --
Robust regression --
Fuzzy regression --
Random coefficients regression --
L1 and q-Quantile regression --
Regression in a spatial domain --
Multiple regression --
Normal correlation models --
Ridge regression --
Indicator variables --
Polynomial model estimation --
Semiparametric regression --
Nonlinear regression --
Issues in time series modeling and estimation.