Dayanıklı İstatistiksel Yöntemler ve R Uygulamaları Özlem Yorulmaz  - Kitap

Dayanıklı İstatistiksel Yöntemler ve R Uygulamaları

1. Baskı, 
Ekim 2016
Kitabın Detayları
Dili:
Türkçe
Ebat:
16x24
Sayfa:
159
Barkod:
9786053337690
Kapak Türü:
Karton Kapaklı
Fiyatı:
58,00
Temin süresi 2-3 gündür.
Kitabın Açıklaması
Bu kitapla giriş düzey istatistik bilgisine sahip olan araştırmacı ve öğrenciler için aykırı gözlemlerin istatistiksel metotlar üzerindeki etkisini görünür kılmak ve aykırı gözlemlere karşı dirençli olan çeşitli dayanıklı tahmincilerin öğrenilmesini sağlamak amaçlanmıştır. Bu amaç doğrultusunda da konular simülasyon çalışmaları ve örneklerle somutlaştırılmıştır. Kitapta yer verilen örnekler, araştırmacıların karşılaştırma yapabilmelerini sağlamak amacıyla çoğunlukla R programından seçilmiştir.
Kitap altı bölümden oluşmaktadır. İlk bölüm aykırı gözlem tanımı, aykın gözlemlerin en küçük kareler yöntemiyle tahmin edilen regresyon denklemi üzerindeki etkileri, aykırı gözlem türleri ve bunların klasik yaklaşımla belirlenmesi konularını içerir. İkinci bölümde ise dayanıklı tahminci kavramı ve neden dayanıklı tahmincilerin aykırı gözlemlerin varlığında kullanılması gerektiği teorik ve simülasyon çalışmaları ile açıklanmıştır. Üçüncü ve dördüncü bölümlerde sırasıyla kanonik korelasyon analizi, temel bileşenler ve faktör analizleri gibi boyut indirgeme yöntemleri hem klasik hem de dayanıklı yaklaşımlarla anlatılmıştır. Beşinci bölümde ise örneklem indirgeme tekniği olarak isimlendirilen kümeleme yöntemleri hakkında genel bir bilgi sunularak, K-ortalamalar tekniği ve dayanıklı alternatifi olan K-kırpılmış ortalamalar tekniği açıklanmıştır. Son olarak altıncı bölümde R programına ilişkin temel bilgiler ve önceki beş bölüm uygulamalarında kullanılan komutlar okuyucuya sunulmuştur.
(Önsözden)
Kitabın Konu Başlıkları
.
Aykırı Gözlem Tanımı, Türleri ve Belirlenmesi
.
Dayanıklı Tahminciler
.
Kanonik Korelasyon Analizi
.
Temel Bileşenler ve Faktör Analizleri
.
Kümeleme Analizi
.
R ve Bölümlerdeki Uygulamalar
Kitapla İlgili Kategoriler