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 Circular Statistics in R

دانلود کتاب آمار دایره ای در R

مشخصات کتاب

Circular Statistics in R

دسته بندی: برنامه نویسی: زبان های برنامه نویسی
ویرایش: 1 
نویسندگان: A. Pewsey,  M. Neuhauser,  G. D Ruxton  
سری:  
ISBN (شابک) : 0199671133, 9780199671137 
ناشر: Oxford University Press 
سال نشر: 2014 
تعداد صفحات: 198 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 1 مگابایت

قیمت کتاب (تومان) : 46,000

کلمات کلیدی مربوط به کتاب آمار دایره ای در R: کتابخانه، ادبیات کامپیوتر، ر

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 7

در صورت تبدیل فایل کتاب Circular Statistics in 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 آمار دایره ای در 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 آمار دایره ای در R

آمار دایره ای در R جامع ترین راهنمای تجزیه و تحلیل داده های دایره ای را در بیش از یک دهه ارائه می دهد. داده‌های دایره‌ای در بسیاری از زمینه‌های علمی به وجود می‌آیند، چه جهت‌های زاویه‌ای مانند: جهت‌های قطب‌نما مشاهده شده خروج پرندگان مهاجر طوق رادیویی از نقطه رهاسازی. زوایای پیوند اندازه گیری شده در مولکول های مختلف. جهت باد در زمان های مختلف سال در مزرعه بادی؛ جهت تنش-شکستگی در تکیه گاه های پل بتنی. طول جغرافیایی کانون‌های زلزله یا الگوهای فعالیت فصلی و روزانه، برای مثال: داده‌های مربوط به زمان‌هایی از روز که حیوانات در تله دوربین گرفتار می‌شوند، یا در تماس‌های 911 در نیویورک، یا در ترافیک اینترنت. تغییرات در طول سال در بروز سرخک، انرژی مورد نیاز جهانی، آمار تماشای تلویزیون یا آسیب به ورزشکاران. روش طبیعی نمایش چنین داده‌هایی به صورت گرافیکی به صورت نقاطی است که در اطراف محیط یک دایره قرار دارند، از این رو نام آن‌ها به همین دلیل است. نکته مهم این است که متغیرهای دایره ای ماهیت تناوبی دارند و مبدأ یا نقطه صفر، مانند آغاز سال جدید، به جای اینکه لزوماً به طور طبیعی از سیستم بیرون بیایند، خودسرانه تعریف می شود.

این کتاب هم برای کسانی که تازه به تجزیه و تحلیل داده های دایره ای می پردازند و هم برای کسانی که با این زمینه آشنایی بیشتری دارند ارزشمند خواهد بود. برای مبتدیان، نویسندگان با در نظر گرفتن خلاصه های گرافیکی و عددی اساسی که برای نمایش داده های دایره ای استفاده می شوند، قبل از معرفی توزیع هایی که ممکن است برای مدل سازی آنها استفاده شود، شروع می کنند. آنها در ادامه به بحث در مورد اشکال اساسی استنتاج مانند تخمین نقطه و فاصله و همچنین آزمون‌های اهمیت رسمی برای فرضیه‌هایی می‌پردازند که اغلب مورد علاقه علمی هستند. هنگام بحث برازش مدل، نویسندگان از کاهش اتکا به توزیع کلاسیک فون میزس حمایت می کنند. نمایش توزیع هایی که قادر به مدل سازی ویژگی هایی مانند عدم تقارن و سطوح مختلف کشیدگی هستند که اغلب توسط داده های دایره ای نشان داده می شوند.

استفاده از رویکردهای مبتنی بر احتمال و کامپیوتر فشرده برای استنتاج و مدل‌سازی در سراسر کتاب مورد تاکید قرار گرفته است. زبان برنامه نویسی R برای پیاده سازی متدولوژی، به ویژه بسته \"دایره ای\" آن استفاده می شود. همچنین بیش از 150 عملکرد جدید برای تکنیک هایی که قبلاً در R پوشش داده نشده اند ارائه شده است.

این راهنمای مختصر اما معتبر برای طیف متنوعی از دانشمندان که داده های دایره ای برای تجزیه و تحلیل دارند و می خواهند این کار را به آسانی و به همان اندازه موثر انجام دهند در دسترس است. تا جایی که ممکن است.

توضیحاتی درمورد کتاب به خارجی

Circular Statistics in R provides the most comprehensive guide to the analysis of circular data in over a decade. Circular data arise in many scientific contexts whether it be angular directions such as: observed compass directions of departure of radio-collared migratory birds from a release point; bond angles measured in different molecules; wind directions at different times of year at a wind farm; direction of stress-fractures in concrete bridge supports; longitudes of earthquake epicentres or seasonal and daily activity patterns, for example: data on the times of day at which animals are caught in a camera trap, or in 911 calls in New York, or in internet traffic; variation throughout the year in measles incidence, global energy requirements, TV viewing figures or injuries to athletes. The natural way of representing such data graphically is as points located around the circumference of a circle, hence their name. Importantly, circular variables are periodic in nature and the origin, or zero point, such as the beginning of a new year, is defined arbitrarily rather than necessarily emerging naturally from the system.

This book will be of value both to those new to circular data analysis as well as those more familiar with the field. For beginners, the authors start by considering the fundamental graphical and numerical summaries used to represent circular data before introducing distributions that might be used to model them. They go on to discuss basic forms of inference such as point and interval estimation, as well as formal significance tests for hypotheses that will often be of scientific interest. When discussing model fitting, the authors advocate reduced reliance on the classical von Mises distribution; showcasing distributions that are capable of modelling features such as asymmetry and varying levels of kurtosis that are often exhibited by circular data.

The use of likelihood-based and computer-intensive approaches to inference and modelling are stressed throughout the book. The R programming language is used to implement the methodology, particularly its "circular" package. Also provided are over 150 new functions for techniques not already covered within R.

This concise but authoritative guide is accessible to the diverse range of scientists who have circular data to analyse and want to do so as easily and as effectively as possible.