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: Christopher Panaretos
سری:
ISBN (شابک) : 9798565532029
ناشر:
سال نشر: 2020
تعداد صفحات: 118
[112]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 7 Mb
در صورت تبدیل فایل کتاب Statistical Modeling Theory: Variable Types and Design Matrices 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 نظریه مدلسازی آماری: انواع متغیر و ماتریسهای طراحی 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 به طور خلاصه توضیح می دهد که چگونه مدل های آماری برای مجموعه داده ها اعمال می شود. قسمت اول کتاب 16 نوع متغیر را فهرست می کند که در آمار ظاهر می شوند و این انواع می توانند برای متغیرهای پیش بینی کننده یا پاسخ اعمال شوند. بخش دوم از طریق مجموعه دادههای نمونه با استفاده از زبان برنامهنویسی R کار میکند و ترکیبهای مختلفی از انواع پیشبینیکننده و پاسخ را پوشش میدهد. در بخش پایانی کتاب، انواع مختلف پیشبینیکننده برای نشان دادن نحوه کدگذاری اطلاعات آنها به عنوان یک ماتریس استفاده میشود. دیدن این ماتریس طراحی برای درک اینکه چگونه کامپیوترها مدل های آماری را با داده ها تطبیق می دهند مفید است. قسمت 1 - تئوری مدلسازی آماری قسمت 2 - نمونه های برازش مدل قسمت 3 - خلاصه مدل سازی آماری قسمت 4 - ماتریس های طراحی
This book briefly explains how statistical models are applied to data sets. The first part of the book lists 16 types of variables that appear in statistics, and these types can apply to predictor or response variables. The second part works through example data sets using the R programming language, covering different combinations of predictor and response types. In the final part of the book, various predictor types are used to illustrate how their information is encoded as a matrix. Seeing this design matrix is helpful for understanding how computers fit statistical models to data. Part 1 - Statistical Modeling Theory Part 2 - Model Fitting Examples Part 3 - Summary of Statistical Modeling Part 4 - Design Matrices