Книга "Теория линейных моделей" представляет точный и доступный обзор теории линейных моделей, проиллюстрированный примерами данных. Статистики часто используют линейные модели для анализа данных и разработки новых статистических методов. Большинство книг по этой теме исторически рассматривали однофакторные, многофакторные и смешанные линейные модели отдельно, в то время как "Теория линейных моделей" представляет объединенное изложение, чтобы подчеркнуть различия между тремя классами моделей.
Книга начинается с шести глав, посвященных краткому и четкому математическому изложению моделей, процедур и обозначений. Примеры данных мотивируют и иллюстрируют модели. Главы 7-10 охватывают теорию распределения многомерных гауссовских переменных и квадратичных форм. Главы 11-19 подробно описывают методы оценки, проверки гипотез и доверительных интервалов. Последние главы 20-23 сосредоточены на выборе размера выборки. Значительное количество упражнений разной сложности служат для преподавателей и их занятий, а также помогают студентам проверить собственные знания.
Для чтения книги требуются базовые знания статистики, теории вероятностей и математического вывода, а также солидные навыки матричной теории и применения однофакторных линейных моделей с матричной точки зрения. Книга заполняет потребность в тексте, обеспечивающем необходимые теоретические основы для применения широкого спектра методов в реальных ситуациях. Она сосредоточена на линейных моделях интервальных откликов с конечными вторыми моментами. Модели со сложными предикторами, откликами или теми и другими мотивируют изложение.
Книга: Линейная модель Теория, Автор: Пол Стюарт В., даст точное и доступное понимание теории линейных моделей и будет отличным инструментом для тех, кто работает с данными или заинтересован в статистических методах.
Электронная Книга «Linear Model Theory» написана автором Paul Stewart W. в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9780470052136
Описание книги от Paul Stewart W.
A precise and accessible presentation of linear model theory, illustrated with data examples Statisticians often use linear models for data analysis and for developing new statistical methods. Most books on the subject have historically discussed univariate, multivariate, and mixed linear models separately, whereas Linear Model Theory: Univariate, Multivariate, and Mixed Models presents a unified treatment in order to make clear the distinctions among the three classes of models. Linear Model Theory: Univariate, Multivariate, and Mixed Models begins with six chapters devoted to providing brief and clear mathematical statements of models, procedures, and notation. Data examples motivate and illustrate the models. Chapters 7-10 address distribution theory of multivariate Gaussian variables and quadratic forms. Chapters 11-19 detail methods for estimation, hypothesis testing, and confidence intervals. The final chapters, 20-23, concentrate on choosing a sample size. Substantial sets of excercises of varying difficulty serve instructors for their classes, as well as help students to test their own knowledge. The reader needs a basic knowledge of statistics, probability, and inference, as well as a solid background in matrix theory and applied univariate linear models from a matrix perspective. Topics covered include: A review of matrix algebra for linear models The general linear univariate model The general linear multivariate model Generalizations of the multivariate linear model The linear mixed model Multivariate distribution theory Estimation in linear models Tests in Gaussian linear models Choosing a sample size in Gaussian linear models Filling the need for a text that provides the necessary theoretical foundations for applying a wide range of methods in real situations, Linear Model Theory: Univariate, Multivariate, and Mixed Models centers on linear models of interval scale responses with finite second moments. Models with complex predictors, complex responses, or both, motivate the presentation.
