دانلود کتاب مدل سازی آماری برای داده های تخریب بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Statistical Modeling for Degradation Data
ویرایش : 1
عنوان ترجمه شده به فارسی : مدل سازی آماری برای داده های تخریب
سری : ICSA Book Series in Statistics
نویسندگان : Ding-Geng (Din) Chen, Yuhlong Lio, Hon Keung Tony Ng, Tzong-Ru Tsai (eds.)
ناشر : Springer Singapore
سال نشر : 2017
تعداد صفحات : 382
ISBN (شابک) : 9789811051937 , 9789811051944
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 13 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.
این کتاب بر جنبه های آماری تجزیه و تحلیل داده های تخریب تمرکز دارد. در سال های اخیر، تجزیه و تحلیل داده های تخریب نقش فزاینده ای مهمی در رشته های مختلف مانند قابلیت اطمینان، علوم بهداشت عمومی و امور مالی ایفا کرده است. به عنوان مثال، اطلاعات مربوط به قابلیت اطمینان محصولات را می توان با تجزیه و تحلیل داده های تخریب به دست آورد. علاوه بر این، مدلسازی آماری و تکنیکهای استنتاج بر اساس معیارهای مختلف تخریب توسعه داده شدهاند.
این کتاب کارشناسانی را گرد هم میآورد که در مدلسازی و استنتاج آماری مشغول هستند، پیشرفتهای مهم اخیر در تجزیه و تحلیل دادههای تخریب و کاربردهای مرتبط را ارائه و بحث میکنند. موضوعات تحت پوشش به موقع هستند و پتانسیل قابل توجهی برای تأثیرگذاری بر آمار و مهندسی قابلیت اطمینان دارند.
This book focuses on the statistical aspects of the analysis of degradation data. In recent years, degradation data analysis has come to play an increasingly important role in different disciplines such as reliability, public health sciences, and finance. For example, information on products’ reliability can be obtained by analyzing degradation data. In addition, statistical modeling and inference techniques have been developed on the basis of different degradation measures.
The book brings together experts engaged in statistical modeling and inference, presenting and discussing important recent advances in degradation data analysis and related applications. The topics covered are timely and have considerable potential to impact both statistics and reliability engineering.