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: 5
نویسندگان: Richard Arnold Johnson. Dean W. Wichern
سری:
ISBN (شابک) : 0130925535, 9780130925534
ناشر: Prentice Hall
سال نشر: 2002
تعداد صفحات: 788
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 16 مگابایت
در صورت تبدیل فایل کتاب Applied multivariate statistical analysis, 5th Edition 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 تجزیه و تحلیل آماری چند متغیره کاربردی ، چاپ 5 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 پیشرو در بازار مقدمه ای خواندنی برای تحلیل آماری مشاهدات چند متغیره ارائه می دهد. هدف کلی آن ارائه دانش لازم به خوانندگان برای تفسیر مناسب و انتخاب تکنیک های مناسب برای تجزیه و تحلیل داده های چند متغیره است. موضوعات فصل شامل جنبههای تحلیل چند متغیره، جبر ماتریسی و بردارهای تصادفی، هندسه نمونه و نمونهگیری تصادفی، توزیع نرمال چند متغیره، استنتاج در مورد میانگین بردار، مقایسه چند میانگین چند متغیره، مدلهای رگرسیون خطی چند متغیره، مؤلفههای اصلی، تحلیل عاملی و استنتاج برای ماتریسهای کوواریانس ساختاریافته، تحلیل همبستگی متعارف، و تبعیض و طبقهبندی. برای دانشمندان تجربی در رشته های مختلف.
This market-leading book offers a readable introduction to the statistical analysis of multivariate observations. Its overarching goal is to provide readers with the knowledge necessary to make proper interpretations and select appropriate techniques for analyzing multivariate data. Chapter topics include aspects of multivariate analysis, matrix algebra and random vectors, sample geometry and random sampling, the multivariate normal distribution, inferences about a mean vector, comparisons of several multivariate means, multivariate linear regression models, principal components, factor analysis and inference for structured covariance matrices, canonical correlation analysis, and discrimination and classification. For experimental scientists in a variety of disciplines.