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
دسته بندی: برنامه نویسی: زبان های برنامه نویسی ویرایش: نویسندگان: Zeileis A., Kleiber C., Jackman S. سری: ناشر: سال نشر: تعداد صفحات: 0 زبان: English فرمت فایل : RAR (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 412 کیلوبایت
کلمات کلیدی مربوط به کتاب مدل های رگرسیون برای شمارش داده ها در کد R +: کتابخانه، ادبیات کامپیوتر، ر
در صورت تبدیل فایل کتاب Regression Models for Count Data in R + Code 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 مدل های رگرسیون برای شمارش داده ها در کد R + 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.
مدلهای کلاسیک پواسون، هندسی و رگرسیون دوجملهای منفی برای دادههای شمارش به خانواده مدلهای خطی تعمیمیافته تعلق دارند و در هسته جعبه ابزار آمار در سیستم R برای محاسبات آماری موجود هستند. پس از بررسی ویژگیهای مفهومی و محاسباتی این روشها، پیادهسازی جدیدی از مدلهای رگرسیون hurdle و صفر در توابع hurdle() و zeroinfl() از بسته pscl معرفی میشود. همانطور که ابزارهای مفهومی زیربنایی مدل های کلاسیک را گسترش می دهند، دوباره از طراحی و عملکرد توابع اصلی R استفاده می کند. هر دو مدل با مانع و صفر تورم، قادر به ترکیب مشکلات بیش از حد و صفر-دو اضافی هستند که معمولاً در مجموعه دادههای شمارش در اقتصاد و علوم اجتماعی رخ میدهند - بهتر از همتایان کلاسیک خود. با استفاده از داده های مقطعی در مورد تقاضا برای مراقبت های پزشکی، نشان داده شده است که چگونه می توان مدل های کلاسیک و همچنین مدل های صفر افزوده را نصب، بازرسی و در عمل آزمایش کرد.
The classical Poisson, geometric and negative binomial regression models for count data belong to the family of generalized linear models and are available at the core of the statistics toolbox in the R system for statistical computing. After reviewing the conceptual and computational features of these methods, a new implementation of hurdle and zero-inflated regression models in the functions hurdle() and zeroinfl() from the package pscl is introduced. It re-uses design and functionality of the basic R functions just as the underlying conceptual tools extend the classical models. Both hurdle and zero-inflated model, are able to incorporate over-dispersion and excess zeros-two problems that typically occur in count data sets in economics and the social sciences-better than their classical counterparts. Using cross-section data on the demand for medical care, it is illustrated how the classical as well as the zero-augmented models can be fitted, inspected and tested in practice.