دانلود کتاب تحلیل رگرسیون: نظریه، روش ها و کاربردها بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Regression Analysis: Theory, Methods and Applications
ویرایش : 1
عنوان ترجمه شده به فارسی : تحلیل رگرسیون: نظریه، روش ها و کاربردها
سری : Springer Texts in Statistics
نویسندگان : Ashish Sen, Muni Srivastava (auth.)
ناشر : Springer-Verlag Berlin Heidelberg
سال نشر : 1990
تعداد صفحات : 361
ISBN (شابک) : 9783540972112 , 9783662250921
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 6 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
هر روشی برای برازش معادلات با داده ها ممکن است رگرسیون نامیده شود. چنین معادلاتی حداقل برای دو هدف ارزشمند هستند: پیشبینی و قضاوت درباره قدرت روابط. از آنجایی که روشهای رگرسیون راهی برای شناسایی تجربی نحوه تأثیرگذاری متغیرها توسط سایر متغیرها ارائه میکنند، روشهای رگرسیون در طیف گستردهای از زمینهها، از جمله علوم اجتماعی، مهندسی، تحقیقات پزشکی و تجارت ضروری شدهاند. از بین روش های مختلف انجام رگرسیون، حداقل مربعات بیشترین استفاده را دارد. در واقع، رگرسیون حداقل مربعات خطی، بیشترین استفاده را در بین هر روش آماری دارد. اگرچه حداقل مربعات غیرخطی در یک ضمیمه پوشش داده شده است، این کتاب عمدتاً از حداقل مربعات خطی استفاده می شود که برای تناسب با یک معادله منفرد (بر خلاف سیستم معادلات) استفاده می شود. نگارش این کتاب در سال 1982 آغاز شد. از آن زمان، پیشنویسهای مختلفی در دانشگاه تورنتو برای آموزش یک دوره ترم-ایونگ به دانشآموزان، دانشجویان ارشد و فارغالتحصیلان در تعدادی از رشتهها از جمله آمار، فارماکولوژی، فارماکولوژی، مهندسی استفاده شده است. ، اقتصاد، جنگلداری و علوم رفتاری. بخشهایی از کتاب نیز در دورهی چهارم یونگ که در مقطع کارشناسی ارشد و دکتری ارائه میشود، استفاده شده است. دانشجویان رشته مدیریت دولتی، برنامه ریزی شهری و مهندسی در دانشگاه ایلینویز در شیکاگو (UIC). این تجربه و نظرات و انتقادات دانشجویان به ساخت نسخه نهایی کمک کرد.
Any method of fitting equations to data may be called regression. Such equations are valuable for at least two purposes: making predictions and judging the strength of relationships. Because they provide a way of em pirically identifying how a variable is affected by other variables, regression methods have become essential in a wide range of fields, including the soeial seiences, engineering, medical research and business. Of the various methods of performing regression, least squares is the most widely used. In fact, linear least squares regression is by far the most widely used of any statistical technique. Although nonlinear least squares is covered in an appendix, this book is mainly ab out linear least squares applied to fit a single equation (as opposed to a system of equations). The writing of this book started in 1982. Since then, various drafts have been used at the University of Toronto for teaching a semester-Iong course to juniors, seniors and graduate students in a number of fields, including statistics, pharmacology, pharmacology, engineering, economics, forestry and the behav ioral seiences. Parts of the book have also been used in a quarter-Iong course given to Master's and Ph.D. students in public administration, urban plan ning and engineering at the University of Illinois at Chicago (UIC). This experience and the comments and critieisms from students helped forge the final version.