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: David J. Olive
سری:
ISBN (شابک) : 9783319682532
ناشر: Springer
سال نشر: 2017
تعداد صفحات: 506
زبان: english
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 مگابایت
در صورت تبدیل فایل کتاب Robust Multivariate Analysis 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 تحلیل چند متغیره قوی 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 متن روشهایی را ارائه میکند که با فرض توزیع نرمال چند
متغیره قوی هستند یا روشهایی که برای انواع خاصی از نقاط پرت
قوی هستند. به جای استفاده از تئوری دقیق بر اساس توزیع نرمال
چند متغیره، تئوری نمونه بزرگ ساده تر و کاربردی تر ارائه شده
است. این متن در میان اولین برآوردگرهای رگرسیون قوی عملی و
مکان و پراکندگی چند متغیره قوی با حمایت تئوری توسعه می
یابد.
تکنیکهای قوی برای روشهایی مانند تحلیل مؤلفههای اصلی، تحلیل
همبستگی متعارف و تحلیل عاملی نشان داده شدهاند. یک راه ساده
برای بوت استرپ کردن مناطق اطمینان نیز ارائه شده است.
بسیاری از تحقیقات در مورد تجزیه و تحلیل چند متغیره قوی در این
کتاب برای اولین بار منتشر می شود. متن برای اولین دوره در
تجزیه و تحلیل آماری چند متغیره یا اولین دوره در آمار قوی
مناسب است. این متن فارغ التحصیل همچنین برای افرادی مفید است
که با موضوعات سنتی چند متغیره آشنا هستند، اما میخواهند
درباره مدیریت مجموعه دادهها با مقادیر پرت بیشتر بدانند.
بسیاری از برنامه های R و مجموعه داده های R در وب سایت نویسنده
موجود است.
This text presents methods that are robust to the assumption
of a multivariate normal distribution or methods that are
robust to certain types of outliers. Instead of using exact
theory based on the multivariate normal distribution, the
simpler and more applicable large sample theory is given. The
text develops among the first practical robust regression and
robust multivariate location and dispersion estimators backed
by theory.
The robust techniques are illustrated for methods such as
principal component analysis, canonical correlation analysis,
and factor analysis. A simple way to bootstrap confidence
regions is also provided.
Much of the research on robust multivariate analysis in this
book is being published for the first time. The text is
suitable for a first course in Multivariate Statistical
Analysis or a first course in Robust Statistics. This
graduate text is also useful for people who are familiar with
the traditional multivariate topics, but want to know more
about handling data sets with outliers. Many R programs and R
data sets are available on the author’s website.
Front Matter ....Pages i-xvi
Introduction (David J. Olive)....Pages 1-23
Multivariate Distributions (David J. Olive)....Pages 25-46
Elliptically Contoured Distributions (David J. Olive)....Pages 47-85
MLD Estimators (David J. Olive)....Pages 87-137
DD Plots and Prediction Regions (David J. Olive)....Pages 139-188
Principal Component Analysis (David J. Olive)....Pages 189-217
Canonical Correlation Analysis (David J. Olive)....Pages 219-231
Discriminant Analysis (David J. Olive)....Pages 233-272
Hotelling’s \(T^2\) Test (David J. Olive)....Pages 273-289
MANOVA (David J. Olive)....Pages 291-310
Factor Analysis (David J. Olive)....Pages 311-326
Multivariate Linear Regression (David J. Olive)....Pages 327-384
Clustering (David J. Olive)....Pages 385-391
Other Techniques (David J. Olive)....Pages 393-459
Stuff for Students (David J. Olive)....Pages 461-477
Back Matter ....Pages 479-501