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
دسته بندی: برنامه نویسی: زبان های برنامه نویسی ویرایش: 2 نویسندگان: John Fox. Harvey Sanford Weisberg سری: ISBN (شابک) : 141297514X, 9781412975148 ناشر: SAGE Publications, Inc سال نشر: 2010 تعداد صفحات: 0 زبان: English فرمت فایل : MOBI (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 9 مگابایت
در صورت تبدیل فایل کتاب An R Companion to Applied Regression 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 همبستگی R به رگرسیون کاربردی 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.
این یک مقدمه گسترده برای محیط محاسبات آماری R در زمینه تحلیل رگرسیون کاربردی است. این یک نسخه کاملاً به روز شده از متن پرفروش جان فاکس An R and S-Plus Companion to Applied Regression است (SAGE, 2002). نسخه دوم به عنوان همراهی برای هر دوره ای در مورد تحلیل رگرسیون کاربردی مدرن در نظر گرفته شده است. نویسندگان یک راهنمای گام به گام برای استفاده از نرمافزار آماری رایگان با کیفیت R، تأکید بر ادغام محاسبات آماری در R با تمرین تجزیه و تحلیل دادهها، پوشش مدلهای خطی تعمیمیافته، پوشش پیشرفته گرافیک و برنامهنویسی R ارائه میکنند. و مواد پشتیبانی قابل توجه مبتنی بر وب.
This is a broad introduction to the R statistical computing environment in the context of applied regression analysis. It is a thoroughly updated edition of John Fox′s bestselling text An R and S-Plus Companion to Applied Regression (SAGE, 2002). The Second Edition is intended as a companion to any course on modern applied regression analysis. The authors provide a step-by-step guide to using the high-quality free statistical software R, an emphasis on integrating statistical computing in R with the practice of data analysis, coverage of generalized linear models, enhanced coverage of R graphics and programming, and substantial web-based support materials.