دانلود کتاب Robust regression and outlier detection
49,000 تومان
رگرسیون قوی و تشخیص پرت
| موضوع اصلی | آمار ریاضی |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | Wiley |
| تعداد صفحه | 347 |
| حجم فایل | 15 مگابایت |
| کد کتاب | 9780471725374,9780471852339,0471852333 |
| نویسنده | Annick M. Leroy, Peter J. Rousseeuw |
|---|---|
| زبان | انگلیسی |
| فرمت | |
| سال انتشار | 1987 |
جدول کد تخفیف
| تعداد کتاب | درصد تخفیف | قیمت کتاب |
| 1 | بدون تخفیف | 25,000 تومان |
| 2 | 20 درصد | 20,000 تومان |
| 3 الی 5 | 25 درصد | 18,750 تومان |
| 6 الی 10 | 30 درصد | 17,500 تومان |
| 11 الی 20 | 35 درصد | 16,250 تومان |
| 21 الی 30 | 40 درصد | 15,000 تومان |
| 31 الی 40 | 45 درصد | 13,750 تومان |
| 41 الی 50 | 50 درصد | 12,500 تومان |
| 51 الی 70 | 55 درصد | 11,250 تومان |
| 71 الی 100 | 60 درصد | 10,000 تومان |
| 101 الی 150 | 65 درصد | 8,750 تومان |
| 151 الی 200 | 70 درصد | 7,500 تومان |
| 201 الی 300 | 75 درصد | 6,250 تومان |
| 301 الی 500 | 80 درصد | 5,000 تومان |
| 501 الی 1000 | 85 درصد | 3,750 تومان |
| 1001 الی 10000 | 90 درصد | 2,500 تومان |
ترجمه فارسی توضیحات (ترجمه ماشینی)
رگرسیون قوی و تشخیص پرت
مقدمه ای کاربردی برای رگرسیون قوی و تشخیص نقاط دورتر ارائه می دهد، با تاکید بر روش های درجه شکست بالا که می تواند با کسری قابل توجهی از آلودگی مقابله کند. درمان مستقل آن به خوانندگان اجازه می دهد تا از مطالب ریاضی که در چند بخش متمرکز شده است صرف نظر کنند. نمایشگاه بر روی تکنیک کمترین میانه مربع تمرکز می کند، که بصری و آسان برای استفاده است، و بسیاری از نمونه های داده واقعی آورده شده است. پوشش فصل شامل رگرسیون چندگانه قوی، مورد خاص مکان تک بعدی، الگوریتمها، تشخیصهای پرت، و استحکام در زمینههای مرتبط، مانند برآورد موقعیت مکانی چند متغیره و ماتریسهای کوواریانس، و تحلیل سریهای زمانی است.
Robust regression and outlier detection
Provides an applications-oriented introduction to robust regression and outlier detection, emphasising °high-breakdown° methods which can cope with a sizeable fraction of contamination. Its self-contained treatment allows readers to skip the mathematical material which is concentrated in a few sections. Exposition focuses on the least median of squares technique, which is intuitive and easy to use, and many real-data examples are given. Chapter coverage includes robust multiple regression, the special case of one-dimensional location, algorithms, outlier diagnostics, and robustness in related fields, such as the estimation of multivariate location and covariance matrices, and time series analysis.
برای فرستادن دیدگاه، باید وارد شده باشید.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.