Отправить другу/подруге по почте ссылку на эту страницуВариант этой страницы для печатиНапишите нам!Карта сайта!Помощь. Как совершить покупку…
московское время29.03.24 16:45:59
На обложку
Теория групп и её применение к физическим проблемамавторы — Багавантам С.,  Венкатарайуду Т.
Странники Вселенной или эхо Большого взрываавторы — Панасюк М. И.
Античная цивилизация и варварыавторы — Маринович Л. П., ред.
б у к и н и с т и ч е с к и й   с а й т
Новинки«Лучшие»Доставка и ОплатаМой КнигоПроводО сайте
Книжная Труба   поиск по словам из названия
Авторский каталог
Каталог издательств
Каталог серий
Моя Корзина
Только цены
Рыбалка
Наука и Техника
Математика
Физика
Радиоэлектроника. Электротехника
Инженерное дело
Химия
Геология
Экология
Биология
Зоология
Ботаника
Медицина
Промышленность
Металлургия
Горное дело
Сельское хозяйство
Транспорт
Архитектура. Строительство
Военная мысль
История
Персоны
Археология
Археография
Восток
Политика
Геополитика
Экономика
Реклама. Маркетинг
Философия
Религия
Социология
Психология. Педагогика
Законодательство. Право
Филология. Словари
Этнология
ИТ-книги
O'REILLY
Дизайнеру
Дом, семья, быт
Детям!
Здоровье
Искусство. Культурология
Синематограф
Альбомы
Литературоведение
Театр
Музыка
КнигоВедение
Литературные памятники
Современные тексты
Худ. литература
NoN Fiction
Природа
Путешествия
Эзотерика
Пурга
Спорт

/Наука и Техника/Математика

Прикладной регрессионный анализ — Дрейпер Н., Смит Г.
Прикладной регрессионный анализ
Дрейпер Н., Смит Г.
год издания — 1973, кол-во страниц — 392, тираж — 9000, язык — русский, тип обложки — твёрд. 7Б, масса книги — 470 гр., издательство — Статистика
серия — Зарубежные статистические исследования
цена: 2000.00 рубПоложить эту книгу в корзину
Сохранность книги — хорошая. Владельческие пометки в тексте. Неравномерно выцветшая обложка. ЦВЕТ ОБЛОЖКИ СЕРЫЙ

APPLIED REGRESSION ANALYSIS
N. R. DRAPER, H. SMITH

John Wiley and Sons, Inc. 1966

Пер. с англ. Ю. П. Адлера и В. Г. Горского

Формат 60x90 1/16. Бумага типографская №3
ключевые слова — регресс, статист, качеств, данных, классификац

В 1962 г. к нам обратились представители химического отдела Американского общества контроля качества (A.S.Q.C.) с предложением подготовить краткий курс регрессионного анализа. В этой связи мы составили ряд конспектов по темам, которые, по нашему мнению, важны для практиков, применяющих регрессионный анализ. Эти конспекты были хорошо приняты, в дальнейшем в них было внесено много дополнений и изменений. Данная книга является результатом этой работы.

Мы попытались объединить в книге ряд методов, развитых для регрессионных задач и распространённых в настоящее время. Так как мы сделали акцент на практическом применении регрессионного анализа, то теоретические результаты во многих случаях приводятся без доказательств. Хотя обучение регрессионному анализу проводится в основном без использования вычислительных машин или со сравнительно примитивной техникой, тем не менее работы по применению регрессии выполняются теперь исключительно с помощью быстродействующих вычислительных машин. Поэтому хотя данной книгой можно пользоваться вообще без всяких вычислительных средств (или может быть только с настольной вычислительной машиной) мы специально употребили в нескольких местах машинную обработку данных. Все десятичные знаки в этих данных вряд ли нужны на практике, но числа писались так, как будто они получены на обычной вычислительной машине. Мы составили также различные упражнения; некоторые из них можно легко решить «вручную», для решения других, более сложных, была бы полезна, хотя и не абсолютно необходима, вычислительная машина.

Эта книга представляет собой стандартный основной курс множественной линейной регрессии, но она включает также материал, который либо совсем не появлялся в учебниках, либо, если и появлялся, то был труднодоступен для понимания. Например, в гл. 3 обсуждается исследование остатков; в гл. 6 рассматриваются процедуры отбора факторов в регрессионных программах разных типов; в гл. 8 обсуждается планирование больших регрессионных исследований; гл. 10 даёт основное введение в теорию нелинейного оценивания.

Гл. 1 и 3 вместе представляют собой курс по подбору уравнения прямой линии вообще без использования алгебры матриц. Если же прибавить часть гл. 2, то вдобавок можно получить введение в идеи матричного представления регрессионных задач. Односеместровый курс регрессионного анализа может быть составлен из материала гл. 1—7; возможно, с добавлением гл. 8 для статистиков, работающих в промышленности, и студентов, обучающихся управлению промышленностью. Можно изучить всю книгу в течение одного семестра, если предположить, что некоторое предварительное знание части материала у читателя уже имеется. Для более полной проработки необходимо два семестра; это даст возможность преподавателю добавить доказательства утверждений, которые сформулированы, но не доказаны, и позволит более полно обсудить все упражнения, среди них есть довольно трудоёмкие.

Предполагается, что читатель обладает основными знаниями элементарной статистики, которые можно получить из типового начального курса. Таблицы F-распределения и t-распределения приведены на стр. 312—314…

ПРЕДИСЛОВИЕ
Н. Дрейпер
Г. Смит

ОГЛАВЛЕНИЕ

Предисловие к русскому изданию5
 
Г л а в а   1.   Подбор прямой методом наименьших квадратов9
 
1.0. Введение. Потребность в статистическом анализе9
1.1. Линейная зависимость между двумя переменными13
1.2. Линейная регрессия: подбор прямой15
1.3. Точность оценки регрессии22
1.4. Исследование уравнения регрессии25
1.5. Неадекватность и «чистая» ошибка34
1.6. Корреляция между X и Y40
Упражнения43
 
Г л а в а   2.   Матричный подход к линейной регрессии53
 
2.0. Введение53
2.1. Подбор уравнения прямой в матричных обозначениях; оценки
параметров β0 и β153
2.2. Дисперсионный анализ в матричных обозначениях63
2.3. Вычисления дисперсий и ковариаций коэффициентов b0 и b1
в матричной форме64
2.4. Дисперсия величин Ȳ в матричных обозначениях65
2.5. Резюме к матричному подходу при подборе прямой65
2.6. Случай общей регрессии67
2.7. Принцип «дополнительной суммы квадратов»76
2.8. Ортогональные столбцы в матрице X78
2.9. Частный и последовательный F-критерий80
2.10. Проверка общей линейной гипотезы в регрессионных задачах82
2.11. Взвешенный метод наименьших квадратов86
2.12. Смещение регрессионных оценок90
 
Г л а в а   3.   Исследование остатков95
 
3.0. Введение95
3.1. Общий график96
3.2. График временной последовательности98
3.3. График зависимости остатков от Yi99
3.4. График зависимости остатков от независимых переменных Xji,
i = 1, 2, 3, …, n100
3.5. Другие графики остатков101
3.6. Статистики для исследования остатков102
3.7. Корреляция между остатками103
3.8. Выбросы104
3.9. Исследование серий на графиках временной последовательности
остатков104
Упражнения109
 
Г л а в а   4.   Две независимые переменные115
 
4.0. Введение115
4.1. Сведение множественной регрессии с двумя независимыми
переменными к последовательности однофакторных линейных
регрессий118
4.2. Исследование уравнения регрессии125
Упражнения133
 
Г л а в а   5.   Более сложные модели137
 
5.0. Введение137
5.1. Полиномиальные модели различных порядков по Xj138
5.2. Модели, включающие преобразования, отличные от целых степеней139
5.3. Использование «фиктивных» переменных в множественной регрессии143
5.4. Подготовка матрицы исходных данных для решения общей задачи
регрессии150
5.5. Ортогональные полиномы159
5.6. Преобразование матрицы X для получения ортогональных столбцов164
Упражнения167
 
Г л а в а   6.   Выбор «наилучшего» уравнения регрессии172
 
6.0. Введение172
6.1. Метод всех возможных регрессий173
6.2. Метод исключения177
6.3. Метод включения178
6.4. Шаговый регрессионный метод180
6.5. Две вариации четырёх предыдущих методов182
6.6. Ступенчатый регрессионный метод183
6.7. Сводка МНК-уравнений, полученных описанными методами187
6.8. Вычислительные аспекты шагового регрессионного метода188
Упражнения203
 
Г л а в а   7.   Типичный пример226
 
7.0. Введение226
7.1. Задача226
7.2. Исследование данных226
7.3. Выбор первого фактора для включения в регрессию228
7.4. Построение новых переменных231
7.5. Включение в модель взаимодействия231
7.6. Расширение модели232
Упражнения234
 
Г л а в а   8.   Множественная регрессия и построение
математической модели242
 
8.0. Введение242
8.1. Планирование процесса построения модели244
8.2. Разработка математической модели247
8.3. Проверка и использование математической модели248
 
Г л а в а   9.   Приложение множественной регрессии
к задачам дисперсионного анализа250
 
9.0. Введение250
9.1. Односторонняя классификация251
9.2. Регрессионная обработка односторонней классификации
с использованием исходной модели252
9.3. Регрессионная обработка односторонней классификации:
независимые нормальные уравнения257
9.4. Двусторонняя классификация с равным числом наблюдений в ячейках259
9.5. Регрессионная обработка двусторонней классификации с равным
числом наблюдений в ячейках260
9.6. Пример: двусторонняя классификация264
9.7. Комментарии266
Упражнения266
 
Г л а в а   10.   Введение в нелинейное оценивание269
 
10.1. Введение269
10.2. Метод наименьших квадратов в нелинейном случае270
10.3. Оценивание параметров нелинейных систем273
10.4. Пример282
10.5. Некоторые замечания о репараметризации модепи290
10.6. Геометрия линейного метода наименьших квадратов292
10.7. Геометрия нелинейного метода наименьших квадратов302
Упражнения306
Библиография по нелинейному регрессионному анализу308
 
Процентные точки t-распределения312
Процентные точки F-распределения313
Библиография315
Ответы к упражнениям322
Приложение А346
Приложение Б357
Указатели377

Книги на ту же тему

  1. Справочник по прикладной статистике. В 2-х томах (комплект из 2 книг), Ллойд Э., Ледерман У., ред., 1990
  2. Анализ данных и регрессия: В 2-х вып. (комплект из 2 книг), Мостеллер Ф., Тьюки Д., 1982
  3. Математическая статистика, Уилкс С., 1967
  4. Таблицы по математической статистике, Мюллер П., Нойман П., Шторм Р., 1982
  5. Элементарная теория статистических решений, Чернов Г., Мозес Л., 1962
  6. Введение в теорию вероятностей и математическую статистику, Арлей Н., Бух К. Р., 1951
  7. Асимптотические методы в математической статистике, Барндорф-Нильсен О., Кокс Д., 1999
  8. Регрессионный анализ в экспериментальной физике, Живописцев Ф. А., Иванов В. А., 1995
  9. Основы прикладной статистики, Мелник М., 1983
  10. Дисперсионная идентификация, Райбман Н. С., Капитоненко В. В., Овсепян Ф. А., Варлаки П. М., 1981
  11. Теория вероятностей и математическая статистика. Учеб. пособие для втузов. — 5-е изд., перераб. и доп., Гмурман В. Е., 1977
  12. Задачи по математической статистике, Чибисов Д. М., Пагурова В. И., 1990
  13. Статистический анализ временных рядов, Андерсон Т., 1976
  14. Статистические методы эконометрии. Выпуск 1, Маленво Э., 1975
  15. Знаковый статистический анализ линейных моделей, Болдин М. В., Симонова Г. И., Тюрин Ю. Н., 1997
  16. Прикладной многомерный статистический анализ, 1978
  17. Статистические задачи с мешающими параметрами, Линник Ю. В., 1966
  18. Многомерные статистические методы: Для экономистов и менеджеров, Дубров А. М., Мхитарян В. С., Трошин Л. И., 2000
  19. Вычислительные алгоритмы в прикладной статистике, Мэйндоналд Д., 1988
  20. Анализ данных на компьютере: учебное пособие. — 4-е изд., перераб., Тюрин Ю. Н., Макаров А. А., 2008
  21. Методы обработки экспериментальных данных. — 2-е изд., Уорсинг А., Геффнер Д., 1953
  22. Машинные имитационные эксперименты с моделями экономических систем, Нейлор Т., 1975
  23. Статистические методы выделения геофизических аномалий, Никитин А. А., 1979
  24. Статистический анализ в геологических науках, Миллер Р., Кан Д., 1965

Напишите нам!© 1913—2013
КнигоПровод.Ru
Рейтинг@Mail.ru работаем на движке KINETIX :)
elapsed time 0.019 secработаем на движке KINETIX :)