دانلود کتاب Combinatorial Inference in Geometric Data Analysis – استنتاج ترکیبی در تجزیه و تحلیل داده های هندسی

توضیحات

Geometric Data Analysis designates the approach of Multivariate Statistics that conceptualizes the set of observations as a Euclidean cloud of points.Combinatorial Inference in Geometric Data Analysisgives an overview of multidimensional statistical inference methods applicable to clouds of points that make no assumption on the process of generating data or distributions, and that are not based on random modelling but on permutation procedures recasting in a combinatorial framework.

It focuses particularly on the comparison of a group of observations to a reference population (combinatorial test) or to a reference value of a location parameter (geometric test), and on problems of homogeneity, that is the comparison of several groups for two basic designs. These methods involve the use of combinatorial procedures to build a reference set in which we place the data. The chosen test statistics lead to original extensions, such as the geometric interpretation of the observed level, and the construction of a compatibility region.

Features:

Defines precisely the object under study in the context of multidimensional procedures, that is clouds of points

Presents combinatorial tests and related computations with R and Coheris SPAD software

Includes four original case studies to illustrate application of the tests

Includes necessary mathematical background to ensure it is self-contained

This book is suitable for researchers and students of multivariate statistics, as well as applied researchers of various scientific disciplines. It could be used for a specialized course taught at either master or PhD level.

————————————————————–

ترجمه ماشینی :

تجزیه و تحلیل داده های هندسی رویکرد آمار چند متغیره را تعیین می کند که مجموعه ای از مشاهدات را به عنوان ابر اقلیدسی نقاط مفهوم سازی می کند. قابل استفاده در ابرهای نقاط است که هیچ فرآیند در مورد فرآیند تولید داده ها یا توزیع ها ندارد ، و این مبتنی بر مدل سازی تصادفی نیست بلکه بر اساس روشهای جابجایی در یک چارچوب ترکیبی است.

این به ویژه بر مقایسه گروهی از مشاهدات با یک جمعیت مرجع (آزمون ترکیبی) یا با مقدار مرجع یک پارامتر مکان (آزمون هندسی) و بر مشکلات همگن ، این مقایسه چندین گروه برای دو است طرح های اساسی. این روشها شامل استفاده از روشهای ترکیبی برای ساختن یک مجموعه مرجع است که در آن داده ها را قرار می دهیم. آمار آزمون انتخاب شده منجر به پسوندهای اصلی مانند تفسیر هندسی سطح مشاهده شده و ساخت یک منطقه سازگاری می شود.

قوی>