توضیحات
Understanding Regression Analysis unifies diverse regression applications including the classical model, ANOVA models, generalized models including Poisson, Negative binomial, logistic, and survival, neural networks, and decision trees under a common umbrella — namely, the conditional distribution model. It explains why the conditional distribution model is the correct model, and it also explains (proves) why the assumptions of the classical regression model are wrong. Unlike other regression books, this one from the outset takes a realistic approach that all models are just approximations. Hence, the emphasis is to model Natures processes realistically, rather than to assume (incorrectly) that Nature works in particular, constrained ways.
Key features of the book include:
- Numerous worked examples using the R software
- Key points and self-study questions displayed ‘just-in-time’ within chapters
- Simple mathematical explanations (‘baby proofs’) of key concepts
- Clear explanations and applications of statistical significance (p-values), incorporating the American Statistical Association guidelines
- Use of ‘data-generating process’ terminology rather than ‘population’
- Random-X framework is assumed throughout (the fixed-X case is presented as a special case of the random-X case)
- Clear explanations of probabilistic modelling, including likelihood-based methods
- Use of simulations throughout to explain concepts and to perform data analyses
This book has a strong orientation towards science in general, as well as chapter-review and self-study questions, so it can be used as a textbook for research-oriented students in the social, biological and medical, and physical and engineering sciences. As well, its mathematical emphasis makes it ideal for a text in mathematics and statistics courses. With its numerous worked examples, it is also ideally suited to be a reference book for all scientists.
————————————————————–
ترجمه ماشینی :
درک تحلیل رگرسیون کاربردهای رگرسیون متنوعی از جمله مدل کلاسیک، مدلهای ANOVA، مدلهای تعمیمیافته از جمله پواسون، دوجملهای منفی، لجستیک و بقا، شبکههای عصبی و درختهای تصمیم را در زیر یک چتر مشترک متحد میکند — یعنی مدل توزیع شرطی. توضیح می دهد که چرا مدل توزیع شرطی مدل درست است، و همچنین توضیح می دهد (اثبات می کند) که چرا مفروضات مدل رگرسیون کلاسیک اشتباه هستند. برخلاف سایر کتابهای رگرسیون، این کتاب از ابتدا رویکردی واقعبینانه دارد که همه مدلها فقط تقریبی هستند. از این رو، تأکید بر این است که فرآیندهای طبیعت را بهطور واقعبینانه مدلسازی کنیم، نه اینکه فرض کنیم (به اشتباه) طبیعت به روشهای محدود و خاص کار میکند.
ویژگیهای کلیدی کتاب عبارتند از: p>
- نمونه های کار شده متعدد با استفاده از نرم افزار R
- نکات کلیدی و سوالات خودآموز نمایش داده شده “در زمان” در فصل
- توضیحات ساده ریاضی (“اثبات کودک”) مفاهیم کلیدی
- توضیحات و کاربردهای واضح از اهمیت آماری (p-values)، با ترکیب دستورالعمل های انجمن آماری آمریکا
- استفاده از اصطلاحات “فرایند تولید داده” به جای “جمعیت”
- تصادفی-X در کل در نظر گرفته شده است (مورد ثابت-X به عنوان یک مورد خاص از مورد تصادفی-X ارائه می شود)
- توضیحات واضح مدلسازی احتمالاتی، از جمله روشهای مبتنی بر احتمال
- استفاده از شبیه ساز
tag : دانلود کتاب درک تحلیل رگرسیون: یک رویکرد توزیع شرطی , Download درک تحلیل رگرسیون: یک رویکرد توزیع شرطی , دانلود درک تحلیل رگرسیون: یک رویکرد توزیع شرطی , Download Understanding Regression Analysis: A Conditional Distribution Approach Book , درک تحلیل رگرسیون: یک رویکرد توزیع شرطی دانلود , buy درک تحلیل رگرسیون: یک رویکرد توزیع شرطی , خرید کتاب درک تحلیل رگرسیون: یک رویکرد توزیع شرطی , دانلود کتاب Understanding Regression Analysis: A Conditional Distribution Approach , کتاب Understanding Regression Analysis: A Conditional Distribution Approach , دانلود Understanding Regression Analysis: A Conditional Distribution Approach , خرید Understanding Regression Analysis: A Conditional Distribution Approach , خرید کتاب Understanding Regression Analysis: A Conditional Distribution Approach ,
چارچوب
نقد و بررسیها
هنوز بررسیای ثبت نشده است.