Advanced Linear Modeling / Christensen, Ronald  

Público ISBD Ningún comentario para este registro. Título : Advanced Linear Modeling : Statistical Learning and Dependent Data Tipo de documento: documento electrónico Autores: Christensen, Ronald, Autor Mención de edición: 3 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XXIII, 608 p. 76 ilustraciones, 6 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-29164-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Probabilidades  Matemáticas  Estadísticas  Teoría de probabilidad  Matemática Computacional y Análisis Numérico  Teoría y métodos estadísticos Índice Dewey: 519.2 Resumen: Ahora en su tercera edición, este volumen complementario de Respuestas planas a preguntas complejas de Ronald Christensen utiliza tres conceptos fundamentales de la teoría de modelos lineales estándar (mejor predicción lineal, proyecciones y distancia de Mahalanobis) para extender el modelado lineal estándar a los ámbitos del aprendizaje estadístico y el aprendizaje dependiente. Datos. Esta nueva edición presenta una gran cantidad de contenido nuevo y revisado. En Aprendizaje Estadístico se profundiza en la regresión no paramétrica, la estimación penalizada (regularización), la reproducción de espacios de Hilbert del kernel, el truco del kernel y las máquinas de vectores de soporte. Para los datos dependientes, utiliza la teoría de modelos lineales para examinar modelos lineales generales, modelos lineales mixtos, series temporales, datos espaciales, modelos lineales multivariados (generalizados), discriminación y reducción de dimensiones. Si bien se hacen numerosas referencias a Plane Answers a lo largo del volumen, el modelado lineal avanzado se puede utilizar por sí solo si se tiene una sólida experiencia en modelos lineales. El código R adjunto para los análisis está disponible en línea. Nota de contenido: 1. Nonparametric Regression -- 2. Penalized Estimation -- 3. Reproducing Kernel Hilbert Spaces -- 4. Covariance Parameter Estimation -- 5. Mixed Models and Variance Components -- 6. Frequency Analysis of Time Series -- 7. Time Domain Analysis -- 8. Linear Models for Spacial Data: Kriging -- 9. Multivariate Linear Models: General. 10. Multivariate Linear Models: Applications -- 11. Generalized Multivariate Linear Models and Longitudinal Data -- 12. Discrimination and Allocation -- 13. Binary Discrimination and Regression -- 14. Principal Components, Classical Multidimensional Scaling, and Factor Analysis -- A Mathematical Background -- B Best Linear Predictors -- C Residual Maximum Likelihood -- Index -- Author Index. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Advanced Linear Modeling : Statistical Learning and Dependent Data [documento electrónico] / Christensen, Ronald, Autor  . -  3 ed.  . - [s.l.] : Springer, 2019 . - XXIII, 608 p. 76 ilustraciones, 6 ilustraciones en color. ISBN : 978-3-030-29164-8 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Probabilidades  Matemáticas  Estadísticas  Teoría de probabilidad  Matemática Computacional y Análisis Numérico  Teoría y métodos estadísticos Índice Dewey: 519.2 Resumen: Ahora en su tercera edición, este volumen complementario de Respuestas planas a preguntas complejas de Ronald Christensen utiliza tres conceptos fundamentales de la teoría de modelos lineales estándar (mejor predicción lineal, proyecciones y distancia de Mahalanobis) para extender el modelado lineal estándar a los ámbitos del aprendizaje estadístico y el aprendizaje dependiente. Datos. Esta nueva edición presenta una gran cantidad de contenido nuevo y revisado. En Aprendizaje Estadístico se profundiza en la regresión no paramétrica, la estimación penalizada (regularización), la reproducción de espacios de Hilbert del kernel, el truco del kernel y las máquinas de vectores de soporte. Para los datos dependientes, utiliza la teoría de modelos lineales para examinar modelos lineales generales, modelos lineales mixtos, series temporales, datos espaciales, modelos lineales multivariados (generalizados), discriminación y reducción de dimensiones. Si bien se hacen numerosas referencias a Plane Answers a lo largo del volumen, el modelado lineal avanzado se puede utilizar por sí solo si se tiene una sólida experiencia en modelos lineales. El código R adjunto para los análisis está disponible en línea. Nota de contenido: 1. Nonparametric Regression -- 2. Penalized Estimation -- 3. Reproducing Kernel Hilbert Spaces -- 4. Covariance Parameter Estimation -- 5. Mixed Models and Variance Components -- 6. Frequency Analysis of Time Series -- 7. Time Domain Analysis -- 8. Linear Models for Spacial Data: Kriging -- 9. Multivariate Linear Models: General. 10. Multivariate Linear Models: Applications -- 11. Generalized Multivariate Linear Models and Longitudinal Data -- 12. Discrimination and Allocation -- 13. Binary Discrimination and Regression -- 14. Principal Components, Classical Multidimensional Scaling, and Factor Analysis -- A Mathematical Background -- B Best Linear Predictors -- C Residual Maximum Likelihood -- Index -- Author Index. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

Plane Answers to Complex Questions / Christensen, Ronald  

Público ISBD Ningún comentario para este registro. Título : Plane Answers to Complex Questions : The Theory of Linear Models Tipo de documento: documento electrónico Autores: Christensen, Ronald, Autor Mención de edición: 5 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: XXII, 529 p. 33 ilustraciones ISBN/ISSN/DL: 978-3-030-32097-3 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Teoría y métodos estadísticos  Estadística Índice Dewey: 519.5 Matemáticas estadísticas Resumen: Este libro de texto proporciona una amplia introducción al uso y la teoría de modelos lineales para analizar datos. El énfasis del autor está en proporcionar un tratamiento unificado de modelos lineales, incluido el análisis de modelos de varianza y modelos de regresión, basados ​​en proyecciones, ortogonalidad y otras ideas de espacio vectorial. Cada capítulo viene con numerosos ejercicios y ejemplos que lo hacen ideal para un curso de posgrado. Todos los temas estándar se tratan en profundidad: estimación, incluida la estimación sesgada y bayesiana, pruebas de significancia, ANOVA, comparaciones múltiples, análisis de regresión y modelos de diseño experimental. Además, el libro cubre temas que normalmente no se tratan en este nivel, pero que son importantes por derecho propio: mejor predicción lineal y mejor predicción lineal insesgada, modelos de trama dividida, diseños de bloques incompletos equilibrados, pruebas de falta de ajuste, pruebas de independencia, modelos con matrices de covarianza singulares, diagnóstico, colinealidad y selección de variables. Esta nueva edición incluye nuevas secciones sobre alternativas a la estimación de mínimos cuadrados y el equilibrio entre el sesgo de varianza, una discusión ampliada sobre la selección de variables, nuevo material sobre la caracterización del espacio de interacción en un ANOVA bidireccional desequilibrado, la crítica de Freedman al estimador sándwich y mucho más. . Nota de contenido: 1. Introduction -- 2. Estimation -- 3. Testing -- 4. One-Way ANOVA -- 5. Multiple Comparison Techniques -- 6. Regression Analysis -- 7. Multifactor Analysis of Variance -- 8. Experimental Design Models -- 9. Analysis of Covariance -- 10. General Gauss-Markov Models -- 11. Split Plot Models -- 12. Model Diagnostics -- 13. Collinearity and Alternative Estimates -- 14. Variable Selection -- Appendix A - 6 -- References -- Index -- Author Index. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Plane Answers to Complex Questions : The Theory of Linear Models [documento electrónico] / Christensen, Ronald, Autor  . -  5 ed.  . - [s.l.] : Springer, 2020 . - XXII, 529 p. 33 ilustraciones. ISBN : 978-3-030-32097-3 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Teoría y métodos estadísticos  Estadística Índice Dewey: 519.5 Matemáticas estadísticas Resumen: Este libro de texto proporciona una amplia introducción al uso y la teoría de modelos lineales para analizar datos. El énfasis del autor está en proporcionar un tratamiento unificado de modelos lineales, incluido el análisis de modelos de varianza y modelos de regresión, basados ​​en proyecciones, ortogonalidad y otras ideas de espacio vectorial. Cada capítulo viene con numerosos ejercicios y ejemplos que lo hacen ideal para un curso de posgrado. Todos los temas estándar se tratan en profundidad: estimación, incluida la estimación sesgada y bayesiana, pruebas de significancia, ANOVA, comparaciones múltiples, análisis de regresión y modelos de diseño experimental. Además, el libro cubre temas que normalmente no se tratan en este nivel, pero que son importantes por derecho propio: mejor predicción lineal y mejor predicción lineal insesgada, modelos de trama dividida, diseños de bloques incompletos equilibrados, pruebas de falta de ajuste, pruebas de independencia, modelos con matrices de covarianza singulares, diagnóstico, colinealidad y selección de variables. Esta nueva edición incluye nuevas secciones sobre alternativas a la estimación de mínimos cuadrados y el equilibrio entre el sesgo de varianza, una discusión ampliada sobre la selección de variables, nuevo material sobre la caracterización del espacio de interacción en un ANOVA bidireccional desequilibrado, la crítica de Freedman al estimador sándwich y mucho más. . Nota de contenido: 1. Introduction -- 2. Estimation -- 3. Testing -- 4. One-Way ANOVA -- 5. Multiple Comparison Techniques -- 6. Regression Analysis -- 7. Multifactor Analysis of Variance -- 8. Experimental Design Models -- 9. Analysis of Covariance -- 10. General Gauss-Markov Models -- 11. Split Plot Models -- 12. Model Diagnostics -- 13. Collinearity and Alternative Estimates -- 14. Variable Selection -- Appendix A - 6 -- References -- Index -- Author Index. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

---

1 (1 - 2 / 2) Por página: 25 50 100 200