دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Brian S. Everitt and Torsten Hothorn
سری:
ISBN (شابک) : 9781420010657, 1584885394
ناشر:
سال نشر: 2006
تعداد صفحات: 269
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 مگابایت
در صورت تبدیل فایل کتاب A Handbook of Statistical Analyses Using R به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب یک کتابچه راهنمای تحلیل آماری با استفاده از R نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
حداقل R پویا است. به طور دقیق تر، ارگانیک است، با قابلیت های جدید و بسته های الحاقی که دائما ظاهر می شوند. و به دلیل ماهیت منبع باز و در دسترس بودن رایگان، R به سرعت در حال تبدیل شدن به نرم افزار منتخب برای تجزیه و تحلیل آماری در زمینه های مختلف است. کتابچه راهنمای تجزیه و تحلیل های آماری با استفاده از R توضیحات ساده و مستقلی از نحوه انجام انواع تحلیل های آماری در محیط R ارائه می دهد. از استنتاج ساده گرفته تا پارتیشن بندی بازگشتی و تجزیه و تحلیل خوشه ای، کارشناسان برجسته Everitt و Hothorn شما را به طور روشمند از طریق مراحل، دستورات و تفسیر نتایج راهنمایی می کنند و تنها در صورت مفید یا ضروری به تئوری و پیشینه آماری پرداخته می شوند. آنها با مقدمهای بر R شروع میکنند و در مورد نحو، عملگرهای کلی و دستکاری دادهها بحث میکنند و در عین حال مهمترین ویژگیها را خلاصه میکنند. شکلهای متعددی تواناییهای گرافیکی قوی R را نشان میدهند و تمرینها در پایان هر فصل، تکنیکها و مفاهیم ارائهشده را تقویت میکنند. تمام مجموعه داده ها و کدهای استفاده شده در این کتاب به عنوان یک بسته قابل دانلود از CRAN، آرشیو آنلاین R موجود است. کتابچه راهنمای تجزیه و تحلیل آماری با استفاده از R، راهنمای کاملی برای تازه واردان و همچنین کاربران باتجربه R است که گام به گام بتن می خواهند. -راهنمای گامی در مورد نحوه استفاده آسان و موثر از نرم افزار برای تقریباً هر تحلیل آماری.
R is dynamic, to say the least. More precisely, it is organic, with new functionality and add-on packages appearing constantly. And because of its open-source nature and free availability, R is quickly becoming the software of choice for statistical analysis in a variety of fields.Doing for R what Everitt's other Handbooks have done for S-PLUS, STATA, SPSS, and SAS, A Handbook of Statistical Analyses Using R presents straightforward, self-contained descriptions of how to perform a variety of statistical analyses in the R environment. From simple inference to recursive partitioning and cluster analysis, eminent experts Everitt and Hothorn lead you methodically through the steps, commands, and interpretation of the results, addressing theory and statistical background only when useful or necessary. They begin with an introduction to R, discussing the syntax, general operators, and basic data manipulation while summarizing the most important features. Numerous figures highlight R's strong graphical capabilities and exercises at the end of each chapter reinforce the techniques and concepts presented. All data sets and code used in the book are available as a downloadable package from CRAN, the R online archive.A Handbook of Statistical Analyses Using R is the perfect guide for newcomers as well as seasoned users of R who want concrete, step-by-step guidance on how to use the software easily and effectively for nearly any statistical analysis.
A Handbook of Statistical Analyses Using R......Page 2
Dedication......Page 4
Preface......Page 5
List of Figures......Page 7
List of Tables......Page 12
Contents......Page 15
Bibliography......Page 270
1.1 What Is R?......Page 18
1.2.1 The Base System and the First Steps......Page 19
1.2.2 Packages......Page 20
1.3 Help and Documentation......Page 21
1.4 Data Objects in R......Page 22
1.5 Data Import and Export......Page 26
1.6 Basic Data Manipulation......Page 28
1.7 Simple Summary Statistics......Page 31
1.7.1 Simple Graphics......Page 32
1.8 Organising an Analysis......Page 35
Exercises......Page 37
2.1 Introduction......Page 38
2.2.1 Comparing Normal Populations: Student’s t-Tests......Page 42
2.2.2 Non-parametric Analogues of Independent Samples and Paired t-Tests......Page 44
2.2.4 McNemar’s Test......Page 45
2.3.1 Estimating the Width of a Room......Page 46
2.3.2 Wave Energy Device Mooring......Page 49
2.3.3 Mortality and Water Hardness......Page 50
2.3.4 Piston-ring Failures......Page 52
2.3.5 Rearrests of Juveniles......Page 55
2.4 Summary......Page 56
Exercises......Page 57
3.1 Introduction......Page 58
3.2.1 Testing Independence of Two Variables......Page 61
3.3.1 Estimating the Width of a Room Revised......Page 63
3.3.2 Crowds and Threatened Suicide......Page 66
3.3.3 Gastrointestinal Damages......Page 67
3.3.4 Teratogenesis......Page 69
Exercises......Page 70
4.1 Introduction......Page 72
4.2 Analysis of Variance......Page 75
4.3.1 Weight Gain in Rats......Page 76
4.3.2 Foster Feeding of Rats of Different Genotype......Page 80
4.3.3 Water Hardness and Mortality......Page 82
4.3.4 Male Egyptian Skulls......Page 84
Exercises......Page 88
5.1 Introduction......Page 90
5.2 Multiple Linear Regression......Page 91
5.3 Analysis Using R......Page 93
5.3.1 Fitting a Linear Model......Page 94
5.3.2 Regression Diagnostics......Page 100
Exercises......Page 103
6.1 Introduction......Page 105
6.2.1 Logistic Regression......Page 108
6.2.2 The Generalised Linear Model......Page 109
6.3.1 ESR and Plasma Proteins......Page 110
6.3.2 Women’s Role in Society......Page 114
6.3.3 Colonic Polyps......Page 117
6.4 Summary......Page 122
Exercises......Page 123
7.1 Introduction......Page 125
7.2 Density Estimation......Page 127
7.2.1 Kernel Density Estimators......Page 128
7.3.1 A Parametric Density Estimate for the Old Faithful Data......Page 133
Exercises......Page 141
8.2 Recursive Partitioning......Page 146
8.3.1 Forbes 2000 Data......Page 148
8.3.2 Glaucoma Diagnosis......Page 151
8.4 Summary......Page 156
Exercises......Page 157
9.1 Introduction......Page 158
9.2 Survival Analysis......Page 159
9.2.1 The Survivor Function......Page 161
9.2.2 The Hazard Function......Page 162
9.2.3 Cox’s Regression......Page 164
9.3.1 Glioma Radioimmunotherapy......Page 165
9.3.2 Breast Cancer Survival......Page 167
9.4 Summary......Page 172
Exercises......Page 173
10.1 Introduction......Page 174
10.2 Analysing Longitudinal Data......Page 177
10.3 Linear Mixed Effects Models for Repeated Measures Data......Page 178
10.4 Analysis Using R......Page 180
10.5 Prediction of Random Effects......Page 183
10.6 The Problem of Dropouts......Page 184
Exercises......Page 187
11.1 Introduction......Page 189
11.2 Generalised Estimating Equations......Page 191
11.3.1 Beat the Blues Revisited......Page 193
11.3.2 Respiratory Illness......Page 196
11.3.3 Epilepsy......Page 200
Exercises......Page 208
12.1 Introduction......Page 210
12.2 Systematic Reviews and Meta-Analysis......Page 212
12.3.1 Fixed Effects Model – Mantel-Haenszel......Page 214
12.4 Analysis Using R......Page 215
12.5 Meta-Regression......Page 216
12.6 Publication Bias......Page 220
12.7 Summary......Page 224
Exercises......Page 225
13.2 Principal Component Analysis......Page 228
13.3 Analysis Using R......Page 231
13.4 Summary......Page 236
Exercises......Page 238
14.2 Multidimensional Scaling......Page 240
14.2.1 Classical Multidimensional Scaling......Page 243
14.2.2 Non-metric Multidimensional Scaling......Page 245
14.3 Analysis Using R......Page 246
Exercises......Page 252
15.1 Introduction......Page 255
15.2 Cluster Analysis......Page 257
15.2.1 k-Means Clustering......Page 258
15.2.3 Classification Maximum Likelihood......Page 259
15.3 Analysis Using R......Page 260
15.3.1 Model-based Clustering in R......Page 264
15.4 Summary......Page 265
Exercises......Page 267