A Course in Statistics with R

ویرایش: 1 
نویسندگان: Prabhanjan N. Tattar,  Suresh Ramaiah,  B. G. Manjunath  
سری:  
ISBN (شابک) : 1119152720, 9781119152729 
ناشر: Wiley 
سال نشر: 2016 
تعداد صفحات: 694 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 مگابایت 

قیمت کتاب (تومان) : 36,000

تئوری و کاربردهای آمار را با استفاده از Rیک دوره در آمار با R ادغام می کند تا شکاف بین نظریه و کاربردها را پر کند و توضیح دهد که چگونه عبارات ریاضی به برنامه های R تبدیل می شوند. این کتاب در درجه اول به عنوان یک همراه مفید برای یک دانشجوی کارشناسی ارشد در طول هر ترم از دوره طراحی شده است، اما همچنین به آماردانان کاربردی در بررسی مجدد مبانی موضوع کمک خواهد کرد. با در نظر گرفتن این هدف دوگانه، کتاب با مبانی R شروع می شود و به سرعت تجسم و تجزیه و تحلیل اکتشافی را پوشش می دهد. احتمال و استنتاج آماری، شامل مکاتب کلاسیک، ناپارامتریک و بیزی، با تعاریف، انگیزه‌ها، بیان ریاضی و برنامه‌های R به گونه‌ای توسعه می‌یابد که به خواننده در درک توسعه ریاضی و همچنین اجرای R کمک می‌کند. مدل‌های رگرسیون خطی، طرح‌های تجربی، تجزیه و تحلیل چند متغیره و تجزیه و تحلیل داده‌های طبقه‌بندی شده به گونه‌ای مورد بررسی قرار می‌گیرند که از تکنیک‌های تجسم و تکنیک‌های آماری مرتبط زیربنای آنها از طریق کاربردهای عملی استفاده مؤثر می‌کند و از این رو به خواننده کمک می‌کند تا به درک روشنی از موارد مرتبط دست یابد. مدل‌های آماری.

ویژگی‌های کلیدی:

• اصول R را با مفاهیم آماری ادغام می‌کند
• ارائه‌های گرافیکی شامل عبارات ریاضی را ارائه می‌کند.
• به درک قضایای حد احتمال با و بدون رویکرد شبیه سازی کمک می کند
• توسعه الگوریتمی دقیق مدل های آماری را از ابتدا ارائه می دهد
• شامل کاربردهای عملی با بیش از 50 داده مجموعه

Integrates the theory and applications of statistics using R A Course in Statistics with R has been written to bridge the gap between theory and applications and explain how mathematical expressions are converted into R programs. The book has been primarily designed as a useful companion for a Masters student during each semester of the course, but will also help applied statisticians in revisiting the underpinnings of the subject. With this dual goal in mind, the book begins with R basics and quickly covers visualization and exploratory analysis. Probability and statistical inference, inclusive of classical, nonparametric, and Bayesian schools, is developed with definitions, motivations, mathematical expression and R programs in a way which will help the reader to understand the mathematical development as well as R implementation. Linear regression models, experimental designs, multivariate analysis, and categorical data analysis are treated in a way which makes effective use of visualization techniques and the related statistical techniques underlying them through practical applications, and hence helps the reader to achieve a clear understanding of the associated statistical models.

Key features:

• Integrates R basics with statistical concepts
• Provides graphical presentations inclusive of mathematical expressions
• Aids understanding of limit theorems of probability with and without the simulation approach
• Presents detailed algorithmic development of statistical models from scratch
• Includes practical applications with over 50 data sets