دانلود کتاب تطبیق آماری: یک نظریه مکرر، کاربردهای عملی و رویکردهای جایگزین بیزی بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Statistical Matching: A Frequentist Theory, Practical Applications, and Alternative Bayesian Approaches
ویرایش : 1
عنوان ترجمه شده به فارسی : تطبیق آماری: یک نظریه مکرر، کاربردهای عملی و رویکردهای جایگزین بیزی
سری : Lecture Notes in Statistics 168
نویسندگان : Susanne Rässler (auth.)
ناشر : Springer-Verlag New York
سال نشر : 2002
تعداد صفحات : 259
ISBN (شابک) : 9780387955162 , 9781461300533
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.
تکنیکهای تطبیق دادهها یا تطبیق فایلهای آماری، مجموعه دادهها را از نمونههای نظرسنجی مختلف ادغام میکنند تا مشکلی را که زمانی که هیچ فایل واحدی حاوی همه متغیرهای مورد علاقه نیست، حل کند. آژانسهای رسانهای در حال ادغام تلویزیون و دادههای خرید هستند، دفاتر آماری اطلاعات مالیاتی را با نظرسنجیهای درآمدی مطابقت میدهند. بسیاری از کاربردهای سنتی شناخته شده هستند، اما دستیابی به اطلاعات در مورد این روش ها اغلب دشوار است. نویسنده استفاده از تکنیکهای انتساب چندگانه (MI) را با استفاده از توزیعهای قبلی اطلاعاتی برای غلبه بر فرض استقلال شرطی پیشنهاد میکند. با استفاده از حساسیت MI ارتباط بی قید و شرط متغیرهایی که به صورت مشترک مشاهده نشده اند را می توان نمایش داد. استفاده از رویکردهای جایگزین با داده های دنیای واقعی کتاب را به پایان می رساند.
Data fusion or statistical file matching techniques merge data sets from different survey samples to solve the problem that exists when no single file contains all the variables of interest. Media agencies are merging television and purchasing data, statistical offices match tax information with income surveys. Many traditional applications are known but information about these procedures is often difficult to achieve. The author proposes the use of multiple imputation (MI) techniques using informative prior distributions to overcome the conditional independence assumption. By means of MI sensitivity of the unconditional association of the variables not jointy observed can be displayed. An application of the alternative approaches with real world data concludes the book.