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
دسته بندی: آمار ریاضی ویرایش: 2 نویسندگان: Chong Gu (auth.) سری: Springer Series in Statistics 297 ISBN (شابک) : 9781461453680, 9781461453697 ناشر: Springer-Verlag New York سال نشر: 2013 تعداد صفحات: 444 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
کلمات کلیدی مربوط به کتاب صاف کردن مدلهای ANOVA Spline: نظریه و روش های آماری
در صورت تبدیل فایل کتاب Smoothing Spline ANOVA Models 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 صاف کردن مدلهای ANOVA Spline 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.
تخمین تابع ناپارامتریک با داده های تصادفی، که در غیر این صورت
به عنوان هموارسازی شناخته می شود، توسط چندین نسل
آماردان مورد مطالعه قرار گرفته است. با کمک قدرت محاسباتی فراوان در
سرورها، رایانههای رومیزی و لپتاپهای امروزی، روشهای هموارسازی راههای خود را برای تجزیه و تحلیل دادههای روزمره توسط پزشکان پیدا کردهاند. در حالی که نمرات
روش ها برای هموارسازی تک متغیره موفق بوده اند، روش های
عملی در تنظیمات چند متغیره بسیار کمتر هستند. مدلهای Smoothing spline
ANOVA خانواده همهکارهای از روشهای هموارسازی هستند که از طریق جریمههای زبری به دست میآیند، که برای مشکلات تک متغیره و
چند متغیره مناسب هستند.
>
در این کتاب، نویسنده رساله ای در مورد هموارسازی جریمه ها
در چارچوبی یکپارچه ارائه می کند. روشهایی برای (i) رگرسیون
با پاسخهای گاوسی و غیرگاوسی و همچنین با دادههای طول عمر سانسور شده توسعه داده شدهاند. (ii) چگالی و برآورد چگالی مشروط تحت یک
انواع طرحهای نمونهبرداری. و (iii) تخمین نرخ خطر با
دادههای طول عمر سانسور شده و متغیرهای کمکی. مضامین متحد کننده عبارتند از
روش احتمال جریمه شده عمومی و ساخت
مدل های چند متغیره با تجزیه های ANOVA داخلی. بحثهای گسترده
به ساخت مدل، هموارسازی پارامتر
انتخاب، محاسبات، و همگرایی مجانبی اختصاص داده شده است.
اکثر ابزارهای محاسباتی و تحلیلی دادهها که در
book در R، یک پلت فرم منبع باز برای آمار
محاسبات و گرافیک پیاده سازی شده است. مجموعهای از توابع در بسته R
gss گنجانده شدهاند و در سراسر کتاب با استفاده از مثالهای شبیهسازی شده
و دادههای واقعی نشان داده شدهاند.
این تک نگاری مفید خواهد بود. به عنوان یک کار مرجع برای محققان در
آمار نظری و کاربردی و همچنین برای کسانی که در سایر رشته های مرتبط
هستند. همچنین می تواند به عنوان متنی برای دوره های تحصیلات تکمیلی
در مورد این موضوع استفاده شود. اکثر مطالب برای یک
دانشجوی سال دوم تحصیلات تکمیلی با آموزش خوب در حساب دیفرانسیل و انتگرال و
جبر خطی و دانش کار در استنتاج های آماری پایه در دسترس است
از جمله به عنوان مدل های خطی و برآورد حداکثر درستنمایی.
Nonparametric function estimation with stochastic data, otherwise
known as smoothing, has been studied by several generations of
statisticians. Assisted by the ample computing power in today's
servers, desktops, and laptops, smoothing methods have been finding
their ways into everyday data analysis by practitioners. While scores
of methods have proved successful for univariate smoothing, ones
practical in multivariate settings number far less. Smoothing spline
ANOVA models are a versatile family of smoothing methods derived
through roughness penalties, that are suitable for both univariate and
multivariate problems.
In this book, the author presents a treatise on penalty smoothing
under a unified framework. Methods are developed for (i) regression
with Gaussian and non-Gaussian responses as well as with censored lifetime data; (ii) density and conditional density estimation under a
variety of sampling schemes; and (iii) hazard rate estimation with
censored life time data and covariates. The unifying themes are the
general penalized likelihood method and the construction of
multivariate models with built-in ANOVA decompositions. Extensive
discussions are devoted to model construction, smoothing parameter
selection, computation, and asymptotic convergence.
Most of the computational and data analytical tools discussed in the
book are implemented in R, an open-source platform for statistical
computing and graphics. Suites of functions are embodied in the R
package gss, and are illustrated throughout the book using simulated
and real data examples.
This monograph will be useful as a reference work for researchers in
theoretical and applied statistics as well as for those in other
related disciplines. It can also be used as a text for graduate level
courses on the subject. Most of the materials are accessible to a
second year graduate student with a good training in calculus and
linear algebra and working knowledge in basic statistical inferences
such as linear models and maximum likelihood estimates.
Front Matter....Pages i-xviii
Introduction....Pages 1-21
Model Construction....Pages 23-60
Regression with Gaussian-Type Responses....Pages 61-123
More Splines....Pages 125-173
Regression with Responses from Exponential Families....Pages 175-214
Regression with Correlated Responses....Pages 215-236
Probability Density Estimation....Pages 237-284
Hazard Rate Estimation....Pages 285-318
Asymptotic Convergence....Pages 319-350
Penalized Pseudo Likelihood....Pages 351-385
Back Matter....Pages 387-433