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: نویسندگان: Bruno Falissard سری: ISBN (شابک) : 9781439817667, 1439817669 ناشر: CRC Press سال نشر: 2011 تعداد صفحات: 264 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل داده های پرسشنامه با R: کتابخانه، ادبیات کامپیوتر، ر
در صورت تبدیل فایل کتاب Analysis of questionnaire 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 پرسشنامه 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.
در حالی که آمار نظری اساساً بر ریاضیات و موقعیتهای فرضی متکی است، عمل آماری ترجمهای از یک سؤال است که توسط یک محقق فرمولبندی شده است به مجموعهای از متغیرها که توسط یک ابزار آماری به هم مرتبط شدهاند. همانند مطالب نوشتاری، تقریباً همیشه تفاوت هایی بین معنای متن اصلی و متن ترجمه شده وجود دارد. علاوه بر این، نسخه های زیادی را می توان پیشنهاد داد که هر کدام مزایا و معایب خود را دارند. تجزیه و تحلیل داده های پرسشنامه با R برخی از سؤالات پژوهشی کلاسیک را به فرمول های آماری تبدیل می کند. همانطور که در عنوان مشخص شد، نحو این فرمول های آماری بر اساس زبان معروف R است که به دلیل محبوبیت، سادگی و قدرت ساختار آن انتخاب شده است. اگرچه نحو حیاتی است، اما درک معنایی چالش واقعی هر ترجمه خوب است. در این کتاب، معناشناسی ترجمه نظری به عملی به تدریج از نمونه ها و تجربیات و گاه از ملاحظات ریاضی پدیدار می شود. گاهی اوقات تفسیر یک نتیجه واضح نیست و هیچ ابزار آماری واقعاً مناسب برای سؤال موجود نیست. گاهی اوقات مجموعه داده ها حاوی خطا، ناسازگاری بین پاسخ ها یا داده های از دست رفته هستند. اغلب، ابزارهای آماری موجود به طور رسمی برای موقعیت داده شده مناسب نیستند، و ارزیابی اینکه این نارسایی جزئی تا چه حد بر تفسیر نتایج تأثیر میگذارد، دشوار است. تجزیه و تحلیل داده های پرسشنامه با R با این چالش ها و سایر چالش های رایج در عمل آمار مقابله می کند.
While theoretical statistics relies primarily on mathematics and hypothetical situations, statistical practice is a translation of a question formulated by a researcher into a series of variables linked by a statistical tool. As with written material, there are almost always differences between the meaning of the original text and translated text. Additionally, many versions can be suggested, each with their advantages and disadvantages. Analysis of Questionnaire Data with R translates certain classic research questions into statistical formulations. As indicated in the title, the syntax of these statistical formulations is based on the well-known R language, chosen for its popularity, simplicity, and power of its structure. Although syntax is vital, understanding the semantics is the real challenge of any good translation. In this book, the semantics of theoretical-to-practical translation emerges progressively from examples and experience, and occasionally from mathematical considerations. Sometimes the interpretation of a result is not clear, and there is no statistical tool really suited to the question at hand. Sometimes data sets contain errors, inconsistencies between answers, or missing data. More often, available statistical tools are not formally appropriate for the given situation, making it difficult to assess to what extent this slight inadequacy affects the interpretation of results. Analysis of Questionnaire Data with R tackles these and other common challenges in the practice of statistics.
Content: 1. Introduction --
2. Description of responses --
3. Description of relationships betwen variables --
4. Confidence intervals and statistical tests of hypothesis --
5. Introduction to linear, logistic, Poisson and other regression models --
6. About statistical modelling --
7. Principles for the validation of a composite score --
8. Introduction to structural equation modelling --
9. Introduction to data manipulation using R.