Note :
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 3 votes.
Understanding Correlation Matrices
Les matrices de corrélation (ainsi que leurs équivalents non standardisés, les matrices de covariance) sont à la base de la majorité des méthodes statistiques utilisées aujourd'hui par les chercheurs. Une matrice de corrélation est plus qu'une matrice remplie de coefficients de corrélation.
La valeur d'une corrélation dans la matrice impose des contraintes sur les valeurs des autres, et les implications multivariées de cette affirmation constituent un thème majeur du volume. Alexandria Hadd et Joseph Lee Rodgers couvrent de nombreuses caractéristiques des matrices de corrélation, y compris les tests d'hypothèses statistiques, leur rôle dans l'analyse factorielle et la modélisation par équations structurelles, ainsi que les approches graphiques.
Ils illustrent la discussion par un large éventail d'exemples vivants, notamment les corrélations entre l'intelligence mesurée à différents âges jusqu'à l'adolescence, les corrélations entre les caractéristiques des pays telles que les dépenses de santé publique, l'espérance de vie en bonne santé et la mortalité des adultes, les corrélations entre le bien-être et les statistiques de l'état civil au niveau de l'État, les corrélations entre la composition raciale des villes et les équipes sportives professionnelles, et les corrélations entre les intentions de procréation et les résultats de la procréation tout au long de la vie reproductive. Ce volume peut être utilisé efficacement dans un certain nombre de disciplines, dans les cours de statistiques de premier et deuxième cycles, ainsi que dans les laboratoires de recherche.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)