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 Applied Statistical Inference with MINITAB®

دانلود کتاب استنتاج آماری کاربردی با MINITAB®

مشخصات کتاب

Applied Statistical Inference with MINITAB®

دسته بندی: آمار ریاضی
ویرایش: Har/Cdr 
نویسندگان: Sally Lesik  
سری: Statistics:  A Series of Textbooks and Monographs 
ISBN (شابک) : 9781420065831, 1420065831 
ناشر: Chapman and Hall/CRC 
سال نشر: 2009 
تعداد صفحات: 460 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 15 مگابایت

قیمت کتاب (تومان) : 30,000

کلمات کلیدی مربوط به کتاب استنتاج آماری کاربردی با MINITAB®: ریاضیات، نظریه احتمالات و آمار ریاضی، آمار ریاضی، آمار ریاضی کاربردی

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 20

در صورت تبدیل فایل کتاب Applied Statistical Inference with MINITAB® 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 استنتاج آماری کاربردی با MINITAB® 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 استنتاج آماری کاربردی با MINITAB®

از طریق محاسبات واضح و گام به گام ریاضی، استنتاج آماری کاربردی با MINITAB دانش‌آموزان را قادر می‌سازد تا درک کاملی از نحوه اعمال تکنیک‌های آماری با استفاده از یک برنامه نرم‌افزار آماری به دست آورند. این بر مفاهیم فواصل اطمینان، آزمون فرضیه ها، اعتبارسنجی مفروضات مدل و تحلیل توان تمرکز دارد.

تکنیک ها و روش ها را با استفاده از MINITAB نشان می دهد
پس از معرفی برخی اصطلاحات رایج، نویسنده نحوه ایجاد نمودارهای ساده با استفاده از MINITAB و نحوه محاسبه آمار توصیفی را با استفاده از محاسبات دستی سنتی و MINITAB توضیح می دهد. سپس به مباحث استنتاج آماری، مانند فواصل اطمینان و آزمون فرضیه ها، و همچنین رگرسیون خطی، از جمله آزمون رایان-جوینر می پردازد. با حرکت به سمت تحلیل رگرسیون چندگانه، متن به ANOVA، مسئله چند خطی بودن، ارزیابی نقاط پرت و موارد دیگر می‌پردازد. همچنین یک مقدمه مفهومی برای طراحی تجربی پایه و ANOVA یک طرفه ارائه می دهد. فصل پایانی ANOVA دو طرفه، تحلیل‌های ناپارامتری و تجزیه و تحلیل سری‌های زمانی را مورد بحث قرار می‌دهد.

پایه‌ای را برای مطالعه موضوعات پیچیده‌تر ایجاد می‌کند
ایده‌آل برای دانشجویان در علوم اجتماعی، این متن نشان می دهد که چگونه می توان تکنیک های استنتاجی پایه را با استفاده از MINITAB در عمل پیاده سازی کرد. این پایه و اساس را برای دانش آموزان ایجاد می کند تا در آمار استنباطی پیشرفته تری کار کنند.

توضیحاتی درمورد کتاب به خارجی

Through clear, step-by-step mathematical calculations, Applied Statistical Inference with MINITAB enables students to gain a solid understanding of how to apply statistical techniques using a statistical software program. It focuses on the concepts of confidence intervals, hypothesis testing, validating model assumptions, and power analysis.

Illustrates the techniques and methods using MINITAB
After introducing some common terminology, the author explains how to create simple graphs using MINITAB and how to calculate descriptive statistics using both traditional hand computations and MINITAB. She then delves into statistical inference topics, such as confidence intervals and hypothesis testing, as well as linear regression, including the Ryan–Joiner test. Moving on to multiple regression analysis, the text addresses ANOVA, the issue of multicollinearity, assessing outliers, and more. It also provides a conceptual introduction to basic experimental design and one-way ANOVA. The final chapter discusses two-way ANOVA, nonparametric analyses, and time series analysis.

Establishes a foundation for studying more complex topics
Ideal for students in the social sciences, this text shows how to implement basic inferential techniques in practice using MINITAB. It establishes the foundation for students to build on work in more advanced inferential statistics.