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
ویرایش:
نویسندگان: Jason Matthiopoulos(auth.)
سری:
ISBN (شابک) : 9780470699782, 9781119991595
ناشر:
سال نشر: 2011
تعداد صفحات: 477
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 79 مگابایت
در صورت تبدیل فایل کتاب How to be a Quantitative Ecologist: The ‘A to R’ of Green Mathematics and Statistics 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 چگونه یک بومشناس کمی باشیم: از A تا R ریاضیات و آمار سبز 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.
متن خطاب به خوانندگانی است که از زمان مدرسه از ریاضیات استفاده نکردهاند، که شاید بیش از آنکه با سخنرانیهای خود در زمینه آمار در مقطع کارشناسی گیج شده باشند و هرگز از رایانه برای چیزی بیشتر از پردازش کلمه و ورود داده استفاده نکردهاند. از این نقطه شروع، به آرامی اما مطمئناً درک ریاضیات، آمار و برنامه نویسی را القا می کند که برای شروع تحقیقات در محیط زیست کافی است. ارزش عملی کتاب با استفاده گسترده از مثال های بیولوژیکی و زبان کامپیوتر R برای گرافیک، برنامه نویسی و تجزیه و تحلیل داده ها افزایش یافته است.
ویژگی های کلیدی:
چگونه یک بوم شناس کمی باشیم مقدمه ای جامع بر ریاضیات، آمار و محاسبات ارائه می دهد و کتاب درسی ایده آل برای دوره های کارشناسی ارشد و کارشناسی ارشد محیط زیست است< a name=\"_GoBack\"> زیست شناسی.
\"با چنین کتابی، هیچ بهانه ای برای مردم وجود ندارد که از
ریاضیات بترسند و نسبت به کارهایی که می تواند انجام دهد ناآگاه
باشند.\"
—پروفسور تیم بنتون b>، دانشکده علوم زیستی، دانشگاه
لیدز، انگلستان محتوا:
فصل 1 نحوه ساخت گزاره های ریاضی (صفحه های 15-65):
فصل 2 نحوه توصیف اشکال و الگوهای منظم (صفحه های
67-106):
فصل 3 چگونه چیزها را یک قدم در یک زمان تغییر دهیم (صفحه های
107-136):
فصل 4 چگونه چیزها را به طور مداوم تغییر دهیم (صفحه های
137-175):
فصل 5 نحوه کار با انباشته تغییر (صفحات 177-212):
فصل 6 نحوه سازماندهی مطالب در جداول (صفحه های 213-250):
فصل 7 نحوه تجسم و خلاصه سازی داده ها (صفحات 251-277):
فصل 8 چگونه می توان برای عدم قطعیت ارزش قائل شد (صفحه های
279-297):
فصل 9 نحوه شناسایی انواع مختلف تصادفی (صفحه های
299-344):
فصل 10 چگونه جنگل را از درختان ببینیم (صفحه های 345-
380):
فصل 11 چگونه سیگنال را از نویز جدا کنیم (صفحات
381-423):
فصل 12 نحوه اندازه گیری شباهت (صفحات 425-440):
The text is addressed to readers who haven't used mathematics since school, who were perhaps more confused than enlightened by their undergraduate lectures in statistics and who have never used a computer for much more than word processing and data entry. From this starting point, it slowly but surely instils an understanding of mathematics, statistics and programming, sufficient for initiating research in ecology. The book’s practical value is enhanced by extensive use of biological examples and the computer language R for graphics, programming and data analysis.
Key Features:
How to be a Quantitative Ecologist provides a comprehensive introduction to mathematics, statistics and computing and is the ideal textbook for late undergraduate and postgraduate courses in environmental biology.
"With a book like this, there is no excuse for people to be
afraid of maths, and to be ignorant of what it can do."
—Professor Tim Benton, Faculty of Biological Sciences,
University of Leeds, UKContent:
Chapter 1 How to Make Mathematical Statements (pages
15–65):
Chapter 2 How to Describe Regular Shapes and Patterns (pages
67–106):
Chapter 3 How to Change Things, One Step at a Time (pages
107–136):
Chapter 4 How to Change Things, Continuously (pages
137–175):
Chapter 5 How to Work with Accumulated Change (pages
177–212):
Chapter 6 How to Keep Stuff Organised in Tables (pages
213–250):
Chapter 7 How to Visualise and Summarise Data (pages
251–277):
Chapter 8 How to Put a Value on Uncertainty (pages
279–297):
Chapter 9 How to Identify Different Kinds of Randomness
(pages 299–344):
Chapter 10 How to See the Forest from the Trees (pages
345–380):
Chapter 11 How to Separate the Signal from the Noise (pages
381–423):
Chapter 12 How to Measure Similarity (pages 425–440):