ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Regression modeling : methods, theory, and computation with SAS

دانلود کتاب مدل‌سازی رگرسیون: روش‌ها، تئوری و محاسبات با SAS

Regression modeling : methods, theory, and computation with SAS

مشخصات کتاب

Regression modeling : methods, theory, and computation with SAS

ویرایش:  
نویسندگان:   
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 

قیمت کتاب (تومان) : 82,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


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.


توضیحاتی در مورد کتاب مدل‌سازی رگرسیون: روش‌ها، تئوری و محاسبات با SAS

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.


توضیحاتی درمورد کتاب به خارجی

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.



فهرست مطالب


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.




نظرات کاربران