رگرسیون؛ مدلها، روشها و کاربردها
دسته: آمارکتاب “رگرسیون” برای دانشجویان و محققانی که اولین سال دوره آموزشی مقطع فوق لیسانس آمار ریاضی را گذراندهاند؛ نوشته شده است.
این کتاب، احتمال کلاسیک، بیزی و استنتاج جایگشت را پوشش میدهد. همچنین نظریه توزیع مجانبی و موضوعات مدرنی همچون برآورد M، روش jackknife و bootstrap را معرفی میکند.
کد R، نمونهها و مسائل متعددی در سرتاسر کتاب وجود دارد.
هدف مهم کتاب، ایجاد موضوعات دردسترس برای طیف وسیعی از مخاطبان با تکیه آشکار بر نظریه اندازه، میباشد.
این کتاب، احتمال کلاسیک، بیزی و استنتاج جایگشت را پوشش میدهد. همچنین نظریه توزیع مجانبی و موضوعات مدرنی همچون برآورد M، روش jackknife و bootstrap را معرفی میکند.
کد R، نمونهها و مسائل متعددی در سرتاسر کتاب وجود دارد.
هدف مهم کتاب، ایجاد موضوعات دردسترس برای طیف وسیعی از مخاطبان با تکیه آشکار بر نظریه اندازه، میباشد.
سال انتشار: 2013 | 650 صفحه | حجم فایل: 16 مگابایت | زبان: انگلیسی
نویسنده
Ludwig Fahrmeir, Thomas Kneib, Stefan Lang, Brian Marx
ناشر
Springer
ISBN10:
3642343325
ISBN13:
9783642343322
قیمت: 16000 تومان
برچسبها: تحلیل رگرسیون The aim of this book is an applied and unified introduction into parametric, non- and semiparametric regression that closes the gap between theory and application. The most important models and methods in regression are presented on a solid formal basis, and their appropriate application is shown through many real data examples and case studies. Availability of (user-friendly) software has been a major criterion for the methods selected and presented. Thus, the book primarily targets an audience that includes students, teachers and practitioners in social, economic, and life sciences, as well as students and teachers in statistics programs, and mathematicians and computer scientists with interests in statistical modeling and data analysis. It is written on an intermediate mathematical level and assumes only knowledge of basic probability, calculus, and statistics. The most important definitions and statements are concisely summarized in boxes. Two appendices describe required matrix algebra, as well as elements of probability calculus and statistical inference.