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: کامپیوتر ویرایش: نویسندگان: Franz Kronthaler. Silke Zöllner سری: ISBN (شابک) : 3662625172, 9783662625170 ناشر: Springer Spektrum سال نشر: 2021 تعداد صفحات: 131 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
در صورت تبدیل فایل کتاب Data Analysis with RStudio: An Easygoing Introduction 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 ها با RStudio: مقدمه ای آسان 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.
هدف این متن این است که RStudio را به پزشکان و دانش آموزان معرفی کند و آنها را قادر سازد تا از R در کارهای روزمره خود استفاده کنند. این یک کتاب درسی آماری نیست، هدف انتقال لذت تجزیه و تحلیل داده ها با RStudio است. تمرینکنندگان و دانشجویان یاد میگیرند که چگونه RStudio را میتوان نصب و استفاده کرد، آنها یاد میگیرند که دادهها را وارد کنند، اسکریپت بنویسند و نتایج کار را ذخیره کنند. علاوه بر این، آنها یاد می گیرند که از آمار توصیفی و ایجاد گرافیک با RStudio استفاده کنند. علاوه بر این، نشان داده شده است که چگونه می توان از RStudio برای آزمایش فرضیه ها، اجرای تحلیل واریانس و رگرسیون استفاده کرد. برای عمق بخشیدن به مطالب آموخته شده، تکالیفی به همراه راه حل های ارائه شده در انتهای کتاب درسی گنجانده شده است. این کتاب درسی برای دوره های دانشگاهی در آلمان، اتریش و سوئیس توصیه و تدوین شده است.
The objective of this text is to introduce RStudio to practitioners and students and enable them to use R in their everyday work. It is not a statistical textbook, the purpose is to transmit the joy of analyzing data with RStudio. Practitioners and students learn how RStudio can be installed and used, they learn to import data, write scripts and save working results. Furthermore, they learn to employ descriptive statistics and create graphics with RStudio. Additionally, it is shown how RStudio can be used to test hypotheses, run an analysis of variance and regressions. To deepen the learned content, tasks are included with the solutions provided at the end of the textbook. This textbook has been recommended and developed for university courses in Germany, Austria and Switzerland.
Contents List of Figures List of Tables 1 R and RStudio 1.1 A Note on How to Use the Script 1.2 About R and RStudio 1.3 How to Install R and RStudio 1.4 The Structure of RStudio 1.5 A First Data Analysis Application with RStudio 1.6 How to Install RStudio Packages 2 Data Analysis Basics with RStudio 2.1 How to Read Data with RStudio 2.2 How to Check Data with RStudio 2.3 Creating and Modifying Variables and Selecting Cases with RStudio 2.4 Commands and Command Structure in RStudio 2.5 Script Files and Reporting 2.6 Time to Try 3 Data Tourism (Simulated) 4 Describing Data with RStudio 4.1 Descriptive Key Figures 4.2 Statistical Charts Important Statistical Charts While Analyzing Data Statistical Charts with ggplot2 4.3 Time to Try 5 Testing Normal Distribution with RStudio 5.1 Graphical Ways to Check for Normal Distribution 5.2 Numerical Ways to Check for Normal Distribution 5.3 Time to Try 6 Testing Hypotheses with RStudio 6.1 One-Sample t-Test 6.2 Two-Sample t-Test Independent Samples 6.3 Wilcoxon Rank-Sum Test 6.4 Two-Sample t-Test Dependent Samples 6.5 Wilcoxon Signed-Rank Test 6.6 Analysis of Variance ANOVA 6.7 Correlation Test for Metric, Ordinal and Nominal Variables 6.8 Time to Try 7 Linear Regression with RStudio 7.1 Simple and Multivariate Linear Regression 7.2 Regression Diagnostic with RStudio 7.3 Time to Try 8 Further Reading 9 Appendix 9.1 Appendix 1: Questionnaire 9.2 Appendix 2: Dataset tourism.xlsx Including Legend 9.3 Appendix 3: How to Deal with Missing Data 9.4 Appendix 4: Solutions for the Tasks