ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

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 Foundations and Applications of Statistics: An Introduction Using R

دانلود کتاب مبانی و کاربردهای آمار: مقدمه ای با استفاده از R

Foundations and Applications of Statistics: An Introduction Using R

مشخصات کتاب

Foundations and Applications of Statistics: An Introduction Using R

دسته بندی: آمار ریاضی
ویرایش: 2 
نویسندگان:   
سری: Pure and Applied Undergraduate Texts 28 
ISBN (شابک) : 9781470428488 
ناشر: American Mathematical Society 
سال نشر: 2018 
تعداد صفحات: 842 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 16 مگابایت

قیمت کتاب (تومان) : 50,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 16


در صورت تبدیل فایل کتاب Foundations and Applications of Statistics: An Introduction Using 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 مبانی و کاربردهای آمار: مقدمه ای با استفاده از 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 مبانی و کاربردهای آمار: مقدمه ای با استفاده از R

مبانی و کاربردهای آمار به طور همزمان بر هر دو جنبه اساسی و محاسباتی آمار مدرن تأکید دارد. این کتاب جذاب و قابل دسترس برای دانشجویان مقطع کارشناسی با طیف گسترده ای از پیشینه ها و اهداف شغلی مفید است. این نمایشگاه بلافاصله با آمار شروع می شود، مفاهیم و نتایج حاصل از احتمالات را در طول مسیر ارائه می دهد. آزمایش فرضیه خیلی زود معرفی می شود و انگیزه برای چندین توزیع احتمال از محاسبات p-value ناشی می شود. Pruim استدلال آماری عملی دانش‌آموزان را از طریق مثال‌های صریح و از طریق خلاصه‌های عددی و گرافیکی داده‌ها توسعه می‌دهد که استنتاج‌های شهودی را قبل از معرفی ماشین‌های رسمی امکان‌پذیر می‌سازد. موضوعات انتخاب شده اند تا منعکس کننده عملکرد فعلی در آمار باشند، جایی که محاسبات یک ابزار ضروری است. در این راستا، محیط محاسباتی آماری $\mathsf{R}$ در سراسر متن استفاده می‌شود و یکپارچه از نمایش است. توجه به توسعه مهارت های ریاضی و محاسباتی دانش آموزان و همچنین استدلال آماری آنها می شود. مدل‌های خطی، مانند رگرسیون و ANOVA، با اشاره صریح به جبر خطی زیربنایی، که به صورت هندسی انگیزه دارد، درمان می‌شوند. مبانی و کاربردهای آمار هم در مورد نظریه ریاضی نهفته در آمار و هم کاربردهای عملی که آن را به ابزاری قدرتمند در سراسر رشته ها تبدیل می کند، بحث می کند. این کتاب حاوی مطالب کافی برای یک دوره دو ترم در مقطع کارشناسی احتمالات و آمار است. یک دوره یک ترم بر اساس این کتاب، آزمون فرضیه ها و فواصل اطمینان برای رایج ترین موقعیت ها را پوشش می دهد. در ویرایش دوم، کد $\mathsf{R}$ به‌روزرسانی شده است تا از بسته‌های جدید $\mathsf{R}$ استفاده کند و سبک کدنویسی بهتری را نشان دهد. بخش‌های جدیدی اضافه شده‌اند که شامل روش‌های راه‌انداز، توزیع‌های نرمال چند جمله‌ای و چند متغیره، روش دلتا، روش‌های عددی برای استنتاج بیزی و حداقل مربعات غیرخطی است. همچنین، استفاده از جبر ماتریسی گسترش یافته است، اما اختیاری است و گزینه های بیشتری را در مورد میزان جبر خطی مورد نیاز در اختیار مربیان قرار می دهد.


توضیحاتی درمورد کتاب به خارجی

Foundations and Applications of Statistics simultaneously emphasizes both the foundational and the computational aspects of modern statistics. Engaging and accessible, this book is useful to undergraduate students with a wide range of backgrounds and career goals. The exposition immediately begins with statistics, presenting concepts and results from probability along the way. Hypothesis testing is introduced very early, and the motivation for several probability distributions comes from p-value computations. Pruim develops the students' practical statistical reasoning through explicit examples and through numerical and graphical summaries of data that allow intuitive inferences before introducing the formal machinery. The topics have been selected to reflect the current practice in statistics, where computation is an indispensible tool. In this vein, the statistical computing environment $\mathsf{R}$ is used throughout the text and is integral to the exposition. Attention is paid to developing students' mathematical and computational skills as well as their statistical reasoning. Linear models, such as regression and ANOVA, are treated with explicit reference to the underlying linear algebra, which is motivated geometrically. Foundations and Applications of Statistics discusses both the mathematical theory underlying statistics and practical applications that make it a powerful tool across disciplines. The book contains ample material for a two-semester course in undergraduate probability and statistics. A one-semester course based on the book will cover hypothesis testing and confidence intervals for the most common situations. In the second edition, the $\mathsf{R}$ code has been updated throughout to take advantage of new $\mathsf{R}$ packages and to illustrate better coding style. New sections have been added covering bootstrap methods, multinomial and multivariate normal distributions, the delta method, numerical methods for Bayesian inference, and nonlinear least squares. Also, the use of matrix algebra has been expanded, but remains optional, providing instructors with more options regarding the amount of linear algebra required.



فهرست مطالب

Cover......Page 1
Title page......Page 2
Contents......Page 4
Preface to the Second Edition......Page 8
Acknowledgments......Page 9
Preface to the First Edition......Page 12
What Is Statistics?......Page 18
Chapter 1. Data......Page 22
1.1. Data Frames......Page 23
1.2. Graphical and Numerical Summaries Data......Page 26
1.3. Summary......Page 47
Exercises......Page 49
Chapter 2. Probability and Random Variables......Page 54
2.1. Introduction to Probability......Page 55
2.2. Additional Probability Rules and Counting Methods......Page 60
2.3. Discrete Distributions......Page 78
2.4. Hypothesis Tests and p-Values......Page 87
2.5. Mean and Variance of a Discrete Random Variable......Page 95
2.6. Joint Distributions......Page 103
2.7. Other Discrete Distributions......Page 113
2.8. Summary......Page 128
Exercises......Page 134
3.1. pdfs and cdfs......Page 152
3.2. Mean and Variance......Page 166
3.3. Higher Moments......Page 168
3.4. Other Continuous Distributions......Page 176
3.5. Kernel Density Estimation......Page 188
3.6. Quantile-Quantile Plots......Page 194
3.7. Exponential Families......Page 201
3.8. Joint Distributions......Page 204
3.9. Multivariate Normal Distributions......Page 216
3.10. Summary......Page 231
Exercises......Page 235
4.1. Statistical Models......Page 246
4.2. Fitting Models by the Method of Moments......Page 248
4.3. Estimators and Sampling Distributions......Page 255
4.4. Limit Theorems......Page 266
4.5. Inference for the Mean (Variance Known)......Page 274
4.6. Estimating Variance......Page 283
4.7. Inference for the Mean (Variance Unknown)......Page 289
4.8. Confidence Intervals for a Proportion......Page 300
4.9. Paired Tests......Page 304
4.10. Developing New Hypothesis Tests......Page 309
4.11. The Bootstrap......Page 322
4.12. The Delta Method......Page 338
4.13. Summary......Page 348
Exercises......Page 352
5.1. Maximum Likelihood Estimators......Page 368
5.2. Numerical Maximum Likelihood Methods......Page 377
5.3. Likelihood Ratio Tests in One-Parameter Models......Page 390
5.4. Confidence Intervals in One-Parameter Models......Page 400
5.5. Inference in Models with Multiple Parameters......Page 407
5.6. Goodness of Fit Testing......Page 411
5.7. Inference for Two-Way Tables......Page 426
5.8. Rating and Ranking Based on Pairwise Comparisons......Page 436
5.9. Bayesian Inference......Page 445
5.10. Summary......Page 462
Exercises......Page 466
Chapter 6. Introduction to Linear Models......Page 476
6.1. The Linear Model Framework......Page 477
6.2. Parameter Estimation for Linear Models......Page 483
6.3. Simple Linear Regression......Page 486
6.4. Inference for Simple Linear Regression......Page 501
6.5. Regression Diagnostics......Page 515
6.6. Transformations in Linear Regression......Page 526
6.7. Categorical Predictors......Page 534
6.8. Categorical Response (Logistic Regression)......Page 543
6.9. Simulating Linear Models to Check Robustness......Page 555
6.10. Summary......Page 559
Exercises......Page 563
7.1. The Multiple Quantitative Predictors......Page 574
7.2. Assessing the Quality of a Model......Page 596
7.3. One-Way ANOVA......Page 620
7.4. Two-Way ANOVA......Page 655
7.5. Model Selection......Page 669
7.6. More Examples......Page 677
7.7. Permutation Tests......Page 689
7.8. Non-linear Least Squares......Page 693
7.9. Summary......Page 701
Exercises......Page 705
A.1. Getting Up and Running......Page 718
A.2. Getting Data into \R......Page 727
A.3. Saving Data......Page 733
A.4. Transforming Data with dplyr and tidyr......Page 734
A.5. Primary \R Data Structures......Page 746
A.6. Functions in \R......Page 756
A.7. ggformula Graphics......Page 759
Exercises......Page 766
Appendix B. Some Mathematical Preliminaries......Page 770
B.1. Sets......Page 771
B.2. Functions......Page 773
B.3. Sums and Products......Page 774
Exercises......Page 776
C.1. Vectors, Spans, and Bases......Page 780
C.2. Dot Products and Projections......Page 784
C.3. Orthonormal Bases......Page 791
C.4. Matrices......Page 792
Exercises......Page 800
Hints, Answers, and Solutions to Selected Exercises......Page 804
Bibliography......Page 820
Index to R Functions, Packages, and Data Sets......Page 828
Index......Page 834
Back Cover......Page 842




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی