دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Understanding Advanced Statistical Methods
دانلود کتاب درک روشهای آماری پیشرفته
مشخصات کتاب
Understanding Advanced Statistical Methods
ویرایش: [1 ed.]
نویسندگان: Peter Westfall. Kevin S. S. Henning
سری: Chapman & Hall/CRC Texts in Statistical Science
ISBN (شابک) : 1466512105, 9781466512108
ناشر: Chapman and Hall/CRC
سال نشر: 2013
تعداد صفحات: 569
[572]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 14 Mb
قیمت کتاب (تومان) : 42,000
در صورت تبدیل فایل کتاب Understanding Advanced Statistical Methods 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 درک روشهای آماری پیشرفته 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 درک روشهای آماری پیشرفته
فراهم کردن پل بسیار مورد نیاز بین دوره های آمار ابتدایی و دوره های روش تحقیق پیشرفته، درک روش های آماری پیشرفته به دانش آموزان کمک می کند تا مفروضات اساسی و ماشین آلات پشت موضوعات پیچیده آماری، مانند رگرسیون لجستیک، حداکثر احتمال را درک کنند. روش های بوت استرپینگ، ناپارامتریک و بیزی. این کتاب به دانش‌آموزان می‌آموزد که چگونه به درستی مدل‌سازی کنند، انتقادی فکر کنند و مطالعات خود را طراحی کنند تا از اشتباهات رایج جلوگیری کنند. این باعث می شود که نه تنها در مورد ریاضیات و آمار بلکه در مورد تحقیقات عمومی و روش علمی متفاوت فکر کنند.
با تمرکز بر مدل های آماری به عنوان تولید کننده > از داده‌ها، این کتاب دانش‌آموزان را قادر می‌سازد تا آسان‌تر ماشین‌آلات آمار پیشرفته را درک کنند. همچنین تفسیر \"جمعیت\" مدل های آماری را کم اهمیت جلوه می دهد و روش های بیزی را قبل از روش های مکرر ارائه می دهد. این متن بدون نیاز به تجربه قبلی در حساب دیفرانسیل و انتگرال، از رویکرد «در زمان» استفاده می‌کند که در صورت نیاز، موضوعات ریاضی، از جمله حساب دیفرانسیل و انتگرال را معرفی می‌کند. فرمول ها در سراسر متن برای توضیح اینکه چرا حساب دیفرانسیل و انتگرال و احتمال در مدل سازی آماری ضروری هستند استفاده می شود. نویسندگان همچنین به طور شهودی تئوری و منطق پشت تجزیه و تحلیل داده های واقعی را توضیح می دهند و طیفی از مثال های کاربردی از علوم اجتماعی، اقتصادی، بیولوژیکی، پزشکی، فیزیکی و مهندسی را ترکیب می کنند.
این متن که دانش‌آموزان خود را قادر می‌سازد به چرا پشت روشهای آماری پاسخ دهند، به آنها می‌آموزد که چگونه با موفقیت نتیجه‌گیری کنند، زمانی که مقدمات ناقص هستند. آنها را قادر می سازد تا از روش های آماری پیشرفته با اطمینان استفاده کنند و دستور العمل های آماری خود را توسعه دهند. مطالب جانبی در وب سایت کتاب موجود است.
توضیحاتی درمورد کتاب به خارجی
Providing a much-needed bridge between elementary statistics courses and advanced research methods courses, Understanding Advanced Statistical Methods helps students grasp the fundamental assumptions and machinery behind sophisticated statistical topics, such as logistic regression, maximum likelihood, bootstrapping, nonparametrics, and Bayesian methods. The book teaches students how to properly model, think critically, and design their own studies to avoid common errors. It leads them to think differently not only about math and statistics but also about general research and the scientific method.
With a focus on statistical models as producers of data, the book enables students to more easily understand the machinery of advanced statistics. It also downplays the "population" interpretation of statistical models and presents Bayesian methods before frequentist ones. Requiring no prior calculus experience, the text employs a "just-in-time" approach that introduces mathematical topics, including calculus, where needed. Formulas throughout the text are used to explain why calculus and probability are essential in statistical modeling. The authors also intuitively explain the theory and logic behind real data analysis, incorporating a range of application examples from the social, economic, biological, medical, physical, and engineering sciences.
Enabling your students to answer the why behind statistical methods, this text teaches them how to successfully draw conclusions when the premises are flawed. It empowers them to use advanced statistical methods with confidence and develop their own statistical recipes. Ancillary materials are available on the book’s website.
