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: 1
نویسندگان: Mayer Alvo. Philip L.H. Yu (auth.)
سری: Frontiers in Probability and the Statistical Sciences
ISBN (شابک) : 9781493914708, 9781493914715
ناشر: Springer-Verlag New York
سال نشر: 2014
تعداد صفحات: 276
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب روش های آماری برای رتبه بندی داده ها: نظریه و روش های آماری، آمار، عمومی، آمار و محاسبات/برنامه های آمار، داده کاوی و کشف دانش
در صورت تبدیل فایل کتاب Statistical Methods for Ranking Data 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 روش های آماری برای رتبه بندی داده ها 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 دانشجویان پیشرفته کارشناسی، کارشناسی ارشد و پزشکان را با روش های آماری رتبه بندی داده ها آشنا می کند. یک جنبه مهم از آمار ناپارامتریک به سمت استفاده از داده های رتبه بندی است. همبستگی رتبه از طریق مفهوم توابع فاصله تعریف می شود و مفهوم سازگاری برای مقابله با داده های ناقص معرفی می شود. دادههای رتبهبندی نیز با استفاده از انواع ابزارهای مدرن مانند CART، MCMC، الگوریتم EM و تحلیل عاملی مدلسازی میشوند.
این کتاب به روشهای آماری مورد استفاده برای تجزیه و تحلیل چنین دادههایی میپردازد و یک رویکرد جدید و یکپارچه برای فرضیهها ارائه میکند. آزمایش کردن. تکنیک های شرح داده شده در کتاب با مثال هایی نشان داده شده است و نرم افزار آماری در وب سایت نویسندگان ارائه شده است.
This book introduces advanced undergraduate, graduate students and practitioners to statistical methods for ranking data. An important aspect of nonparametric statistics is oriented towards the use of ranking data. Rank correlation is defined through the notion of distance functions and the notion of compatibility is introduced to deal with incomplete data. Ranking data are also modeled using a variety of modern tools such as CART, MCMC, EM algorithm and factor analysis.
This book deals with statistical methods used for analyzing such data and provides a novel and unifying approach for hypotheses testing. The techniques described in the book are illustrated with examples and the statistical software is provided on the authors’ website.
Front Matter....Pages i-xi
Introduction....Pages 1-5
Exploratory Analysis of Ranking Data....Pages 7-21
Correlation Correlation Analysis of Paired Ranking Data....Pages 23-53
Testing for Randomness, Agreement, and Interaction....Pages 55-79
Block Designs....Pages 81-104
General Theory of Hypothesis Testing General theory of hypothesis testing ....Pages 105-125
Testing for Ordered Alternatives....Pages 127-147
Probability Models for Ranking Data....Pages 149-169
Probit Models for Ranking Data....Pages 171-198
Decision Tree Models for Ranking Data....Pages 199-222
Extension of Distance-Based Models for Ranking Data....Pages 223-238
Back Matter....Pages 239-273