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: [1st ed.]
نویسندگان: Katarzyna Stapor
سری: Intelligent Systems Reference Library 176
ISBN (شابک) : 9783030457983, 9783030457990
ناشر: Springer International Publishing;Springer
سال نشر: 2020
تعداد صفحات: VIII, 157
[163]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 Mb
در صورت تبدیل فایل کتاب Introduction to Probabilistic and Statistical Methods with Examples 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 مقدمه ای بر روش های احتمالی و آماری با مثال 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.
این کتاب تعادل سالمی بین تئوری و کاربردها ایجاد میکند و تضمین میکند که مجموعهای از ابزارها را بدون ریشههای ریاضی ارائه نمیدهد. این به عنوان مقدمه ای جامع و تا حد زیادی مستقل از احتمال و آمار برای دانشجویان دانشگاه از دانشکده های مختلف، همراه با پیاده سازی برخی از تکنیک های آماری ابتدایی در زبان R در نظر گرفته شده است.
محتوا به سه بخش اساسی تقسیم می شود: اول شامل عناصر نظریه احتمال، دوم خوانندگان را با مبانی آمار توصیفی و استنباطی (تخمین، آزمون فرضیه) آشنا می کند و سوم عناصر همبستگی و تحلیل رگرسیون خطی را ارائه می دهد. به لطف مثالهایی که نشان میدهند چگونه با استفاده از آمار به مسائل دنیای واقعی نزدیک شوند، خوانندگان مهارتهای تفکر تحلیلی قویتری کسب خواهند کرد که برای تحلیلگران و دانشمندان داده ضروری است.This book strikes a healthy balance between theory and applications, ensuring that it doesn’t offer a set of tools with no mathematical roots. It is intended as a comprehensive and largely self-contained introduction to probability and statistics for university students from various faculties, with accompanying implementations of some rudimentary statistical techniques in the language R.
The content is divided into three basic parts: the first includes elements of probability theory, the second introduces readers to the basics of descriptive and inferential statistics (estimation, hypothesis testing), and the third presents the elements of correlation and linear regression analysis. Thanks to examples showing how to approach real-world problems using statistics, readers will acquire stronger analytical thinking skills, which are essential for analysts and data scientists alike.