دانلود کتاب Linear Models: An Integrated Approach

ترجمه فارسی توضیحات (ترجمه ماشینی)

مدل های خطی: یک رویکرد یکپارچه

مدل‌های خطی: هدف یک رویکرد یکپارچه ارائه یک درک روشن و عمیق از مدل خطی کلی با استفاده از ایده‌های آماری ساده است. آرگومان‌های هندسی ظریف نیز در صورت نیاز مورد استناد قرار می‌گیرند و بازبینی فضاهای برداری و ماتریس‌ها برای خودکفا کردن درمان ارائه می‌شود. روش‌های پیچیده، ماتریسی-جبری، مانند روش‌هایی که در حالت کمبود رتبه استفاده می‌شوند، با اثبات‌های آماری که شفاف‌تر هستند و موازی‌ها را با مدل خطی ساده نشان می‌دهند، جایگزین می‌شوند.

این کتاب دارای ویژگی های ویژه زیر است:

o استفاده از ایده های آماری ساده مانند توابع صفر خطی و تعدیل کوواریانس برای توضیح مفاهیم اساسی و همچنین پیشرفته o تاکید بر تفسیر آماری نتایج پیچیده جبری o یک مطالعه کامل درمان مدل خطی منفرد، از جمله مورد پاسخ چند متغیره o بحث یکپارچه در مورد مدل هایی با ماتریس پراکندگی تا حدی ناشناخته، از جمله مدل های اثرات مختلط/مولفه های واریانس و مدل هایی برای داده های سری مکانی و زمانی o بینش به روز رسانی های خطی مدل و ارتباط آنها با تشخیص، طراحی، انتخاب متغیر، فیلتر کالمن و غیره o بحث گسترده ای در مورد مبانی استنتاج خطی به همراه جایگزین های خطی برای حداقل مربعات o پوشش سایر موضوعات خاص مانند هم خطی بودن، تصادفی و نابرابری محدودیت‌ها، مدل‌های نادرست مشخص‌شده، و غیره. o اثبات ساده‌تر نتایج شناخته‌شده متعدد o نشانگرهای تغییر جریان از طریق مثال‌ها و تمرین‌ها بگذرید

Linear Models: An Integrated Approach

Linear Models: An Integrated Approach aims to provide a clear and deep understanding of the general linear model using simple statistical ideas. Elegant geometric arguments are also invoked as needed and a review of vector spaces and matrices is provided to make the treatment self-contained. Complex, matrix-algebraic methods, such as those used in the rank-deficient case, are replaced by statistical proofs that are more transparent and that show the parallels with the simple linear model.

This book has the following special features:

o Use of simple statistical ideas such as linear zero functions and covariance adjustment to explain the fundamental as well as advanced concepts o Emphasis on the statistical interpretation of complex algebraic results o A thorough treatment of the singular linear model, including the case of multivariate response o A unified discussion on models with a partially unknown dispersion matrix, including mixed-effects/variance-components models and models for spatial and time series data o Insight into updates on the linear model and their connection with diagnostics, design, variable selection, the Kalman filter, etc. o An extensive discussion on the foundations of linear inference, along with linear alternatives to least squares o Coverage of other special topics, such as collinearity, stochastic and inequality constraints, misspecified models, etc. o Simpler proofs of numerous known results o Pointers to current research through examples and exercises