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: Günther Sawitzki سری: ISBN (شابک) : 9781420086782, 1420086782 ناشر: CRC Press سال نشر: 2009 تعداد صفحات: 259 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 آمار محاسباتی: مقدمه ای بر R: کتابخانه، ادبیات کامپیوتر، ر
در صورت تبدیل فایل کتاب Computational statistics : an introduction to 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 محاسباتی: مقدمه ای بر 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.
"مناسب برای یک دوره فشرده یا خودآموز، آمار محاسباتی: مقدمه ای برای R نشان می دهد که چگونه از بسته نرم افزاری رایگان موجود R برای تجزیه و تحلیل داده ها، برنامه نویسی آماری و گرافیک استفاده کنید. یکپارچه سازی کد R و مثال ها در سراسر متن، فقط به متن نیاز دارد. دانش پایه آمار و محاسبات.\" \"این مقدمه شامل تجزیه و تحلیل یک نمونه و تشخیص توزیع، رگرسیون، مسائل دو نمونه ای و مقایسه توزیع ها، و تجزیه و تحلیل چند متغیره. از طیف وسیعی از مثالها استفاده میکند تا نشان دهد چگونه میتوان از R برای مقابله با مشکلات آماری استفاده کرد. علاوه بر این، پیوست مفید شامل مجموعهای از عناصر و توابع زبان R است که به عنوان مرجع سریع و نقطه شروع برای دسترسی به اطلاعات غنی عمل میکند. همراه با R.\"--ژاکت. �بیشتر بخوانید...
"Suitable for a compact course or self-study, Computational Statistics: An Introduction to R illustrates how to use the freely available R software package for data analysis, statistical programming, and graphics. Integrating R code and examples throughout, the text only requires basic knowledge of statistics and computing." "This introduction covers one-sample analysis and distribution diagnostics, regression, two-sample problems and comparison of distributions, and multivariate analysis. It uses a range of examples to demonstrate how R can be employed to tackle statistical problems. In addition, the handy appendix includes a collection of R language elements and functions, serving as a quick reference and starting point to access the rich information that comes bundled with R."--Jacket. �Read more...
Content: 1 Basic data analysis --
R programming conventions --
Generation of random numbers and patterns --
Random numbers --
Patterns --
Case study: distribution diagnostics --
Distribution functions --
Histograms --
Barcharts --
Statistics of distribution functions; Kolmogorov-Smirnov tests --
Monte Carlo confidence bands --
Statistics of histograms and related plots; X2-tests --
Moments and quantiles --
R complements --
Random numbers --
Graphical comparisons --
Functions --
Enhancing graphical displays --
R internals --
parse --
eval --
print --
Executing files --
Packages --
Statistical summary --
Literature and additional references --
2 Regression --
General regression model --
Linear model --
Factors --
Least squares estimation --
Regression diagnostics --
More examples for linear models --
Model formulae --
Gauss-Markov estimator and residuals --
Variance decomposition and analysis of variance --
Simultaneous inference --
Scheff́e's confidence bands --
Tukey's confidence intervals --
Case study: titre plates --
Beyond linear regression --
Transformations --
Generalised linear models --
Local regression --
R complements --
Discretisation --
External data --
Testing software --
R data types --
Classes and polymorphic functions --
Extractor functions --
Statistical summary --
Literature and additional references. 3 Comparisons --
Shift/scale families, and stochastic order --
QQ plot, PP plot, and comparison of distributions --
Kolmogorov-Smirnov tests --
Tests for shift alternatives --
Road map --
Power and confidence --
Theoretical power and confidence --
Simulated power and confidence --
Quantile estimation --
Qualitative features of distributions --
Statistical summary --
Literature and additional references --
4 Dimensions 1, 2, 3 ..., c --
R Complements --
Dimensions --
Selections --
Projections --
Marginal distributions and scatter plot matrices --
Projection pursuit --
Projections for dimensions 1, 2, 3 ... 7 --
Parallel coordinates --
Sections, conditional distributions and coplots --
Transformations and dimension reduction --
Higher dimensions --
Linear case --
Partial residuals and added variable plots --
Non-linear case --
Example: cusp non-linearity --
Case study: Melbourne temperature data --
Curse of dimensionality --
Case study: body fat --
High dimensions --
Statistical summary --
R as a programming language and environment --
Help and information --
Names and search paths --
Administration and customisation --
Basic data types --
Output for objects --
Object inspection --
System inspection --
Complex data types --
Accessing components --
Data manipulation --
Operators --
Functions --
Debugging and profiling --
Control structures --
Input and output to data streams; external data --
Libraries, packages --
Mathematical operators and functions; linear algebra --
Model descriptions --
Graphic functions --
High-level graphics --
Low-level graphics --
Annotations and legends --
Graphic parameters and Llyout --
Elementary statistical functions --
Distributions, random numbers, densities ... --
Computing on the language.
Abstract:Suitable for a compact course or self-study, this book illustrates how to use the R software package for data analysis, statistical programming, and graphics. It covers one-sample analysis and�Read more...
نظرات کاربران
کتاب های مرتبط