برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Analysis of categorical data with R

دانلود کتاب تجزیه و تحلیل داده های طبقه بندی شده با R

مشخصات کتاب

Analysis of categorical data with R

دسته بندی: برنامه نویسی: زبان های برنامه نویسی
ویرایش:  
نویسندگان: Christopher R Bilder,  Thomas M Loughin  
سری: Texts in statistical science 
ISBN (شابک) : 9781439855676, 1439855676 
ناشر: CRC Press Taylor & Francis Group 
سال نشر: 2013 
تعداد صفحات: 540 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت

قیمت کتاب (تومان) : 59,000

کلمات کلیدی مربوط به کتاب تجزیه و تحلیل داده های طبقه بندی شده با R: کتابخانه، ادبیات کامپیوتر، ر

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 10

در صورت تبدیل فایل کتاب Analysis of categorical data with 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 تجزیه و تحلیل داده های طبقه بندی شده با 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.

توضیحاتی در مورد کتاب تجزیه و تحلیل داده های طبقه بندی شده با R

"ما در دنیای طبقه بندی زندگی می کنیم! از تشخیص بیماری مثبت یا منفی گرفته تا انتخاب همه مواردی که در نظرسنجی اعمال می شود، نتایج اغلب در دسته بندی ها سازماندهی می شوند تا مردم بتوانند راحت تر آنها را درک کنند. با این حال، تجزیه و تحلیل داده های پاسخ های طبقه بندی شده است. به تکنیک‌های تخصصی فراتر از تکنیک‌های آموخته‌شده در دوره اول یا دوم در آمار نیاز دارد. ما این کتاب را برای کمک به دانش‌آموزان و محققان ارائه می‌کنیم تا یاد بگیرند که چگونه داده‌های طبقه‌بندی را به درستی تجزیه و تحلیل کنند. سایر متون در مورد موضوعات مشابه، کتاب ما یک حساب مدرن با استفاده از نرم افزار بسیار محبوب R است. ما از R نه تنها به عنوان یک روش تجزیه و تحلیل داده ها بلکه به عنوان یک ابزار یادگیری استفاده می کنیم. به عنوان مثال، ما از شبیه سازی داده ها برای کمک به خوانندگان برای درک مفروضات اساسی استفاده می کنیم. ما همچنین نمایش های گرافیکی متعددی از ویژگی ها و ویژگی های روش های مختلف تجزیه و تحلیل ارائه می دهیم. تمرکز این کتاب به جای توسعه ریاضی روش ها، بر تجزیه و تحلیل داده ها است. ما نمونه‌های متعددی از طیف وسیعی از رشته‌های پزشکی، روان‌شناسی، ورزش، بوم‌شناسی و سایر رشته‌ها ارائه می‌کنیم و کد R و خروجی گسترده‌ای را در حین کار بر روی نمونه‌ها ارائه می‌کنیم. ما توصیه‌ها و دستورالعمل‌های مفصلی را در مورد روش‌های استفاده و چرایی استفاده از آنها ارائه می‌کنیم. در حالی که ما روش های احتمال را به عنوان یک ابزار در نظر می گیریم، آنها کورکورانه استفاده نمی شوند. به عنوان مثال، ما توابع احتمال را می نویسیم و توضیح می دهیم که چگونه آنها به حداکثر می رسند. ما توضیح می‌دهیم که روش‌های Wald، نسبت احتمال و امتیاز از کجا آمده‌اند. با این حال، به جز در ضمیمه B، جایی که ما یک مقدمه کلی برای روش‌های درست‌نمایی ارائه می‌کنیم، غالباً بر حساب دیفرانسیل و انتگرال تأکید نمی‌کنیم یا تحلیل ریاضی را در متن انجام نمی‌دهیم. استفاده از حساب دیفرانسیل و انتگرال بیشتر از یک تمرکز مفهومی است نه ریاضی\"-- �بیشتر بخوانید...

توضیحاتی درمورد کتاب به خارجی

"We live in a categorical world! From a positive or negative disease diagnosis to choosing all items that apply in a survey, outcomes are frequently organized into categories so that people can more easily make sense of them. However, analyzing data from categorical responses requires specialized techniques beyond those learned in a first or second course in Statistics. We o er this book to help students and researchers learn how to properly analyze categorical data. Unlike other texts on similar topics, our book is a modern account using the vastly popular R software. We use R not only as a data analysis method but also as a learning tool. For example, we use data simulation to help readers understand the underlying assumptions of a procedure and then to evaluate that procedure's performance. We also provide numerous graphical demonstrations of the features and properties of various analysis methods. The focus of this book is on the analysis of data, rather than on the mathematical development of methods. We o er numerous examples from a wide rage of disciplines medicine, psychology, sports, ecology, and others and provide extensive R code and output as we work through the examples. We give detailed advice and guidelines regarding which procedures to use and why to use them. While we treat likelihood methods as a tool, they are not used blindly. For example, we write out likelihood functions and explain how they are maximized. We describe where Wald, likelihood ratio, and score procedures come from. However, except in Appendix B, where we give a general introduction to likelihood methods, we do not frequently emphasize calculus or carry out mathematical analysis in the text. The use of calculus is mostly from a conceptual focus, rather than a mathematical one"-- �Read more...

فهرست مطالب

Content: Analyzing a Binary Response, Part 1: Introduction One binary variable Two binary variables Analyzing a Binary Response, Part 2: Regression Models Linear regression models Logistic regression models Generalized linear models Analyzing a Multicategory Response Multinomial probability distribution I x J contingency tables and inference procedures Nominal response regression models Ordinal response regression models Additional regression models Analyzing a Count Response Poisson model for count data Poisson regression models for count responses Poisson rate regression Zero inflation Model Selection and Evaluation Variable selection Tools to assess model fit Overdispersion Examples Additional Topics Binary responses and testing error Exact inference Categorical data analysis in complex survey designs "Choose all that apply" data Mixed models and estimating equations for correlated data Bayesian methods for categorical data Appendix A: An Introduction to R Appendix B: Likelihood Methods Bibliography Index Exercises appear at the end of each chapter.
Abstract: "We live in a categorical world! From a positive or negative disease diagnosis to choosing all items that apply in a survey, outcomes are frequently organized into categories so that people can more easily make sense of them. However, analyzing data from categorical responses requires specialized techniques beyond those learned in a first or second course in Statistics. We o er this book to help students and researchers learn how to properly analyze categorical data. Unlike other texts on similar topics, our book is a modern account using the vastly popular R software. We use R not only as a data analysis method but also as a learning tool. For example, we use data simulation to help readers understand the underlying assumptions of a procedure and then to evaluate that procedure's performance. We also provide numerous graphical demonstrations of the features and properties of various analysis methods. The focus of this book is on the analysis of data, rather than on the mathematical development of methods. We o er numerous examples from a wide rage of disciplines medicine, psychology, sports, ecology, and others and provide extensive R code and output as we work through the examples. We give detailed advice and guidelines regarding which procedures to use and why to use them. While we treat likelihood methods as a tool, they are not used blindly. For example, we write out likelihood functions and explain how they are maximized. We describe where Wald, likelihood ratio, and score procedures come from. However, except in Appendix B, where we give a general introduction to likelihood methods, we do not frequently emphasize calculus or carry out mathematical analysis in the text. The use of calculus is mostly from a conceptual focus, rather than a mathematical one"