دانلود کتاب Analysis of Incomplete Multivariate Data

ترجمه فارسی توضیحات (ترجمه ماشینی)

تجزیه و تحلیل داده های چند متغیره ناقص

در دو دهه گذشته پیشرفت های زیادی در روش های آماری برای داده های ناقص دیده شده است. الگوریتم EM و الحاقات آن، انتساب چندگانه، و زنجیره مارکوف مونت کارلو مجموعه ای از ابزارهای انعطاف پذیر و قابل اعتماد را از استنتاج در کلاس های بزرگی از مشکلات داده های گمشده ارائه می کنند. با این حال، از نظر عملی، این پیشرفت‌ها به طرز شگفت‌انگیزی تأثیر کمی بر روشی که اکثر تحلیلگران داده‌ها مقادیر گمشده را به طور معمول مدیریت می‌کنند، داشته است. تجزیه و تحلیل داده‌های چند متغیره ناقص به پر کردن شکاف بین تئوری و عمل کمک می‌کند و این ابزارهای داده‌های از دست رفته را برای مخاطبان وسیعی در دسترس قرار می‌دهد. این یک رویکرد بیزی یکپارچه برای تجزیه و تحلیل داده های چند متغیره ناقص ارائه می دهد که مجموعه داده هایی را پوشش می دهد که در آن متغیرها پیوسته، طبقه بندی شده یا هر دو هستند. تمرکز، در صورت لزوم، برای کمک به خوانندگان برای درک کامل ویژگی‌های آماری آن روش‌ها و رفتار الگوریتم‌های همراه اعمال می‌شود. همه تکنیک‌ها با مثال‌های داده واقعی، با بحث گسترده و توصیه‌های عملی نشان داده شده‌اند. تمامی الگوریتم های شرح داده شده در این کتاب توسط نویسنده برای استفاده عمومی در زبان های آماری S و S Plus پیاده سازی شده است. این نرم افزار به صورت رایگان در اینترنت موجود است.

Analysis of Incomplete Multivariate Data

The last two decades have seen enormous developments in statistical methods for incomplete data. The EM algorithm and its extensions, multiple imputation, and Markov Chain Monte Carlo provide a set of flexible and reliable tools from inference in large classes of missing-data problems. Yet, in practical terms, those developments have had surprisingly little impact on the way most data analysts handle missing values on a routine basis. Analysis of Incomplete Multivariate Data helps bridge the gap between theory and practice, making these missing-data tools accessible to a broad audience. It presents a unified, Bayesian approach to the analysis of incomplete multivariate data, covering datasets in which the variables are continuous, categorical, or both. The focus is applied, where necessary, to help readers thoroughly understand the statistical properties of those methods, and the behavior of the accompanying algorithms.All techniques are illustrated with real data examples, with extended discussion and practical advice. All of the algorithms described in this book have been implemented by the author for general use in the statistical languages S and S Plus. The software is available free of charge on the Internet.