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 Introduction to quantitative data analysis in the behavioral, social, and engineering sciences

دانلود کتاب مقدمه ای بر تحلیل داده های کمی در علوم رفتاری، اجتماعی و مهندسی

Introduction to quantitative data analysis in the behavioral, social, and engineering sciences

مشخصات کتاب

Introduction to quantitative data analysis in the behavioral, social, and engineering sciences

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 9781119290216, 1119290252 
ناشر: John Wiley & Sons 
سال نشر: 2017 
تعداد صفحات: 256
[227] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 Mb

قیمت کتاب (تومان) : 42,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 8


در صورت تبدیل فایل کتاب Introduction to quantitative data analysis in the behavioral, social, and engineering sciences 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 تحلیل داده های کمی در علوم رفتاری، اجتماعی و مهندسی 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 مقدمه ای بر تحلیل داده های کمی در علوم رفتاری، اجتماعی و مهندسی

خوانندگان را از طریق فرآیند تجزیه و تحلیل داده های کمی از جمله زمینه سازی داده ها در یک موقعیت تحقیقاتی، اتصال داده ها به آزمون های آماری مناسب و نتیجه گیری معتبر راهنمایی می کند. تجزیه و تحلیل داده ها و تمرکز بر نحوه استفاده از آزمون های آماری به عنوان ابزاری کلیدی برای تجزیه و تحلیل داده های تحقیق. این کتاب کل فرآیند تجزیه و تحلیل داده‌ها را به‌عنوان یک فرآیند چرخه‌ای و چند فازی ارائه می‌کند و به فرآیندهای تحلیل اکتشافی، تصمیم‌گیری برای انجام تحلیل پارامتری یا ناپارامتریک و تعیین اهمیت عملی می‌پردازد. علاوه بر این، نویسنده نحوه استفاده از تجزیه و تحلیل داده‌ها را برای آشکار کردن الگوهای اساسی و روابط بین متغیرها توضیح می‌دهد و آن روندها را به موقعیت بافتی داده‌ها مرتبط می‌کند. این کتاب با پر کردن شکاف در ادبیات تجزیه و تحلیل داده های کمی، روش ها و فرآیندهای فکری پشت تجزیه و تحلیل داده ها را به جای نحوه انجام خود مطالعه یا نحوه انجام تست های آماری فردی آموزش می دهد. با یک سبک واضح و محاوره ای، خوانندگان درک بهتری از ساختار کلی و روش شناسی پشت انجام تجزیه و تحلیل داده ها و همچنین تکنیک های مورد نیاز برای تصمیم گیری آگاهانه و معنادار در طول تجزیه و تحلیل داده ها ارائه می کنند. این کتاب دارای مثال‌های تجزیه و تحلیل داده‌های متعددی است تا بر تصمیم‌گیری و فرآیندهای فکری که به بهترین شکل دنبال می‌شوند تأکید شود، و بخش‌های مستقل در سراسر تجزیه و تحلیل داده‌های آماری را از بحث مفصل درباره مفاهیم جدا می‌کند که به خوانندگان اجازه می‌دهد به بخش خاصی از کتاب مراجعه کنند. راه حل های فوری برای مشکلات و/یا برنامه ها. مقدمه ای بر تجزیه و تحلیل داده های کمی در علوم رفتاری و اجتماعی نیز شامل موارد زیر است: • روش شناسی کلی و ذهنیت پژوهشی برای نحوه رویکرد به تحلیل داده های کمی و نحوه استفاده از آزمون های آماری به عنوان بخشی از تجزیه و تحلیل داده های تحقیق. • درک جامع داده‌ها، ارتباط آن با موقعیت تحقیق و مناسب‌ترین آزمون‌های آماری برای داده‌ها • مشکلات متعدد تجزیه و تحلیل داده‌ها و مثال‌های کار شده برای نشان دادن تصمیم‌گیری و فرآیندهای فکری که الگوها و روندهای اساسی را نشان می‌دهند. مثال‌های مفصل از مفاهیم اصلی کمک به خوانندگان در به دست آوردن مهارت های مورد نیاز برای انجام تجزیه و تحلیل کامل مسائل تحقیق • لحن مکالمه ای برای معرفی موثر خوانندگان با اصول اولیه نحوه انجام تجزیه و تحلیل داده ها و همچنین تصمیم گیری معنادار در طول تجزیه و تحلیل داده ها مقدمه ای بر تجزیه و تحلیل داده های کمی در رفتار و علوم اجتماعی یک کتاب درسی ایده آل برای دوره های روش تحقیق در مقاطع کارشناسی و کارشناسی ارشد در رشته های علوم رفتاری و اجتماعی، آمار و مهندسی است. این کتاب همچنین مرجع مناسبی برای دست اندرکارانی است که نیازمند بررسی روش های تحقیق کمی هستند. مایکل جی آلبرز، دکترا، استاد گروه زبان انگلیسی در دانشگاه کارولینای شرقی است. علایق تحقیقاتی او شامل طراحی اطلاعات با تمرکز بر پاسخگویی به سوالات دنیای واقعی، ارائه اطلاعات پیچیده و تعامل انسان و اطلاعات است. دکتر آلبرز دکترای خود را دریافت کرد. در ارتباطات فنی و بلاغت از دانشگاه فناوری تگزاس.


توضیحاتی درمورد کتاب به خارجی

Guides readers through the quantitative data analysis process including contextualizing data within a research situation, connecting data to the appropriate statistical tests, and drawing valid conclusions Introduction to Quantitative Data Analysis in the Behavioral and Social Sciences presents a clear and accessible introduction to the basics of quantitative data analysis and focuses on how to use statistical tests as a key tool for analyzing research data. The book presents the entire data analysis process as a cyclical, multiphase process and addresses the processes of exploratory analysis, decision-making for performing parametric or nonparametric analysis, and practical significance determination. In addition, the author details how data analysis is used to reveal the underlying patterns and relationships between the variables and connects those trends to the data’s contextual situation. Filling the gap in quantitative data analysis literature, this book teaches the methods and thought processes behind data analysis, rather than how to perform the study itself or how to perform individual statistical tests. With a clear and conversational style, readers are provided with a better understanding of the overall structure and methodology behind performing a data analysis as well as the needed techniques to make informed, meaningful decisions during data analysis. The book features numerous data analysis examples in order to emphasize the decision and thought processes that are best followed, and self-contained sections throughout separate the statistical data analysis from the detailed discussion of the concepts allowing readers to reference a specific section of the book for immediate solutions to problems and/or applications. Introduction to Quantitative Data Analysis in the Behavioral and Social Sciences also features coverage of the following: • The overall methodology and research mind-set for how to approach quantitative data analysis and how to use statistics tests as part of research data analysis • A comprehensive understanding of the data, its connection to a research situation, and the most appropriate statistical tests for the data • Numerous data analysis problems and worked-out examples to illustrate the decision and thought processes that reveal underlying patterns and trends • Detailed examples of the main concepts to aid readers in gaining the needed skills to perform a full analysis of research problems • A conversational tone to effectively introduce readers to the basics of how to perform data analysis as well as make meaningful decisions during data analysis Introduction to Quantitative Data Analysis in the Behavioral and Social Sciences is an ideal textbook for upper-undergraduate and graduate-level research method courses in the behavioral and social sciences, statistics, and engineering. This book is also an appropriate reference for practitioners who require a review of quantitative research methods. Michael J. Albers, Ph.D., is Professor in the Department of English at East Carolina University. His research interests include information design with a focus on answering real-world questions, the presentation of complex information, and human–information interaction. Dr. Albers received his Ph.D. in Technical Communication and Rhetoric from Texas Tech University.



فهرست مطالب

Content: Title Page
 Copyright
 Preface
 About the Companion Website
 Chapter 1: Introduction
 Basis of How All Quantitative Statistical Based Research
 Data Analysis, Not Statistical Analysis
 Quantitative Versus Qualitative Research
 What the Book Covers and What It Does Not Cover
 Book Structure
 References
 Part I: Data Analysis Approaches
 Chapter 2: Statistics Terminology
 Statistically Testing a Hypothesis
 Statistical Significance and p-Value
 Confidence Intervals
 Effect Size
 Statistical Power of a Test
 Practical Significance Versus Statistical Significance
 Statistical Independence Degrees of FreedomMeasures of Central Tendency
 Percentile and Percentile Rank
 Central Limit Theorem
 Law of Large Numbers
 References
 Chapter 3: Analysis Issues and Potential Pitfalls
 Effects of Variables
 Outliers in the Dataset
 Relationships Between Variables
 A Single Contradictory Example Does Not Invalidate a Statistical Relationship
 References
 Chapter 4: Graphically Representing Data
 Data Distributions
 Bell Curves
 Skewed Curves
 Bimodal Distributions
 Poisson Distributions
 Binomial Distribution
 Histograms
 Scatter Plots
 Box Plots
 Ranges of Values and Error Bars
 References Chapter 5: Statistical TestsInter-Rater Reliability
 Regression Models
 Parametric Tests
 Nonparametric Tests
 One-Tailed or Two-Tailed Tests
 Tests Must Make Sense
 References
 Part II: Data Analysis Examples
 Chapter 6: Overview of Data Analysis Process
 Know How to Analyze It Before Starting the Study
 Perform an Exploratory Data Analysis
 Perform the Statistical Analysis
 Analyze the Results and Draw Conclusions
 Writing Up the Study
 References
 Chapter 7: Analysis of a Study on Reading and Lighting Levels
 Lighting and Reading Comprehension Know How the Data Will Be Analyzed Before Starting the StudyPerform an Exploratory Data Analysis
 Perform an Inferential Statistical Analysis
 Exercises
 Chapter 8: Analysis of Usability of an E-Commerce Site
 Usability of an E-Commerce Site
 Study Overview
 Know How You Will Analyze the Data Before Starting the Study
 Perform an Exploratory Data Analysis
 Perform an Inferential Statistical Analysis
 Follow-Up Tests
 Performing Follow-Up Tests
 Exercises
 Reference
 Chapter 9: Analysis of Essay Grading
 Analysis of Essay Grading
 Exploratory Data Analysis Inferential Statistical Data AnalysisExercises
 Reference
 Chapter 10: Specific Analysis Examples
 Handling Outliers in the Data
 Floor/Ceiling Effects
 Order Effects
 Data from Stratified Sampling
 Missing Data
 Noisy Data
 Transform the Data
 References
 Chapter 11: Other Types of Data Analysis
 Time-Series Experiment
 Analysis for Data Clusters
 Low-Probability Events
 Metadata Analysis
 Reference
 Appendix A: Research Terminology
 Independent, Dependent, and Controlled Variables
 Between Subjects and Within Subjects
 Validity and Reliability
 Variable Types
 Type of Data




نظرات کاربران

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