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: Keith E. Muller, Paul W. Stewart سری: ISBN (شابک) : 0471214884, 9780471214885 ناشر: Wiley-Interscience سال نشر: 2006 تعداد صفحات: 427 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 35 مگابایت
در صورت تبدیل فایل کتاب Linear Model Theory: Univariate, Multivariate, and Mixed Models (Wiley Series in Probability and Statistics) 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 تئوری مدل خطی: مدل های تک متغیره، چند متغیره و ترکیبی (سری ویلی در احتمال و آمار) 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.
ارائه دقیق و در دسترس نظریه مدل خطی، که با مثال های داده نشان داده شده است، آمارشناسان اغلب از مدل های خطی برای تجزیه و تحلیل داده ها و برای توسعه روش های آماری جدید استفاده می کنند. اکثر کتابهای مربوط به این موضوع از لحاظ تاریخی مدلهای خطی تک متغیره، چند متغیره و مختلط را بهطور جداگانه مورد بحث قرار دادهاند، در حالی که نظریه مدل خطی: مدلهای تک متغیره، چند متغیره و مختلط یک درمان واحد را ارائه میکند تا تمایزات بین سه دسته از مدلها را روشن کند. مدل خطی. تئوری: مدلهای تک متغیره، چند متغیره و ترکیبی با شش فصل شروع میشود که به ارائه گزارههای ریاضی مختصر و واضح از مدلها، رویهها و نمادگذاری اختصاص دارد. مثالهای دادهای مدلها را برانگیخته و نشان میدهند. فصل 7-10 به نظریه توزیع متغیرهای گاوسی چند متغیره و اشکال درجه دوم می پردازد. فصل های 11-19 روش های تخمین، آزمون فرضیه ها و فواصل اطمینان را به تفصیل شرح می دهند. فصول پایانی، 20-23، بر انتخاب حجم نمونه متمرکز است. مجموعههای قابل توجهی از تمرینها با دشواریهای مختلف به مربیان برای کلاسهایشان خدمت میکنند، و همچنین به دانشآموزان کمک میکنند تا دانش خود را آزمایش کنند. خواننده به دانش پایه در مورد آمار، احتمالات، و استنتاج، و همچنین یک پیشزمینه قوی در نظریه ماتریس و تک متغیره کاربردی نیاز دارد. مدل های خطی از منظر ماتریسی موضوعات پوشش داده شده عبارتند از: مروری بر جبر ماتریسی برای مدل های خطی، مدل کلی خطی تک متغیره، مدل کلی خطی چند متغیره، کلی سازی های مدل خطی چند متغیره، مدل خطی مختلط، تئوری توزیع چند متغیره تخمین در مدل های خطی آزمون ها در مدل های خطی گاوسی، انتخاب اندازه نمونه خطی برای مدل گاوسی مبانی نظری لازم را برای بکارگیری طیف وسیعی از روشها در موقعیتهای واقعی فراهم میکند، نظریه مدل خطی: مدلهای تک متغیره، چند متغیره و مختلط بر مدلهای خطی پاسخهای مقیاس بازهای با لحظههای ثانیه محدود متمرکز میشود. مدلهایی با پیشبینیکنندههای پیچیده، پاسخهای پیچیده یا هر دو، انگیزه ارائه را ایجاد میکنند.
A precise and accessible presentation of linear model theory, illustrated with data examplesStatisticians often use linear models for data analysis and for developing new statistical methods. Most books on the subject have historically discussed univariate, multivariate, and mixed linear models separately, whereas Linear Model Theory: Univariate, Multivariate, and Mixed Models presents a unified treatment in order to make clear the distinctions among the three classes of models.Linear Model Theory: Univariate, Multivariate, and Mixed Models begins with six chapters devoted to providing brief and clear mathematical statements of models, procedures, and notation. Data examples motivate and illustrate the models. Chapters 7-10 address distribution theory of multivariate Gaussian variables and quadratic forms. Chapters 11-19 detail methods for estimation, hypothesis testing, and confidence intervals. The final chapters, 20-23, concentrate on choosing a sample size. Substantial sets of excercises of varying difficulty serve instructors for their classes, as well as help students to test their own knowledge.The reader needs a basic knowledge of statistics, probability, and inference, as well as a solid background in matrix theory and applied univariate linear models from a matrix perspective. Topics covered include:A review of matrix algebra for linear modelsThe general linear univariate modelThe general linear multivariate modelGeneralizations of the multivariate linear modelThe linear mixed modelMultivariate distribution theoryEstimation in linear modelsTests in Gaussian linear modelsChoosing a sample size in Gaussian linear modelsFilling the need for a text that provides the necessary theoretical foundations for applying a wide range of methods in real situations, Linear Model Theory: Univariate, Multivariate, and Mixed Models centers on linear models of interval scale responses with finite second moments. Models with complex predictors, complex responses, or both, motivate the presentation.