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 Scientific Programming and Simulation Using R

دانلود کتاب مقدمه ای بر برنامه نویسی علمی و شبیه سازی با استفاده از R

مشخصات کتاب

Introduction to Scientific Programming and Simulation Using R

دسته بندی: برنامه نویسی: زبان های برنامه نویسی
ویرایش: 2 
نویسندگان: Jones. Owen D.,  Maillardet. Robert,  Robinson. Andrew  
سری: Chapman & Hall/CRC the R series 
ISBN (شابک) : 9781466569997, 1466569999 
ناشر: Chapman & Hall/CRC 
سال نشر: 2014 
تعداد صفحات: 599 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 مگابایت

قیمت کتاب (تومان) : 42,000

کلمات کلیدی مربوط به کتاب مقدمه ای بر برنامه نویسی علمی و شبیه سازی با استفاده از R: کتابخانه، ادبیات کامپیوتر، ر

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 15

در صورت تبدیل فایل کتاب Introduction to Scientific Programming and Simulation 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 مقدمه ای بر برنامه نویسی علمی و شبیه سازی 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 مقدمه ای بر برنامه نویسی علمی و شبیه سازی با استفاده از R

آموزش برنامه نویسی مدل های تصادفی بسیار توصیه می شود، اولین نسخه پرفروش مقدمه برنامه نویسی علمی و شبیه سازی با استفاده از R به عنوان یک مقدمه عالی و آسان برای خواندن با مثال ها و تمرین های گسترده مورد تحسین قرار گرفت. این ویرایش دوم به معرفی برنامه‌ریزی علمی و مدل‌سازی تصادفی به روشی واضح، عملی و کامل ادامه می‌دهد. خوانندگان با آزمایش کد R و داده های ارائه شده برنامه نویسی را یاد می گیرند. چهار بخش کتاب آموزش می دهد: دانش اصلی مفاهیم R و برنامه نویسی چگونه در مورد ریاضیات از دیدگاه عددی فکر کنیم، از جمله کاربرد این مفاهیم برای ریشه یابی، ادغام عددی و بهینه سازی. ملزومات احتمال، متغیرهای تصادفی و انتظارات مورد نیاز برای درک شبیه‌سازی مدل‌سازی و شبیه‌سازی تصادفی، از جمله تولید اعداد تصادفی و ادغام مونت کارلو در فصل جدیدی از سیستم‌های معادلات دیفرانسیل معمولی (ODEs)، نویسندگان طرح‌های اویلر، نقطه میانی و مرتبه چهارم رانگ-کوتا (RK4) را پوشش می‌دهند. حل سیستم های ODE های مرتبه اول. آنها کارایی عددی طرح های مختلف را به صورت تجربی مقایسه می کنند و نشان می دهند که چگونه می توان طرح RK4 را با استفاده از اندازه گام تطبیقی بهبود بخشید. فصل جدید دیگری بر روی زنجیره های مارکوف زمان گسسته و پیوسته تمرکز دارد. این ماتریس‌های انتقال و نرخ، طبقه‌بندی حالت‌ها، رفتار محدودکننده، معادلات رو به جلو و عقب کولموگروف، زنجیره‌های جذب محدود و زمان‌های برخورد مورد انتظار را توصیف می‌کند. همچنین روش‌هایی برای شبیه‌سازی زنجیره‌های زمان گسسته و پیوسته و همچنین تکنیک‌هایی برای تعریف فضای حالت، از جمله حالت‌های توده‌ای و متغیرهای تکمیلی ارائه می‌کند. ساختن شهود آماری خوانندگان، مقدمه ای بر برنامه نویسی علمی و شبیه سازی با استفاده از R، ویرایش دوم نشان می دهد که چگونه الگوریتم ها را به کد تبدیل کنیم. این برای کسانی طراحی شده است که می خواهند ابزار بسازند نه فقط از آنها استفاده کنند. کد و داده ها برای دانلود از CRAN در دسترس هستند.

توضیحاتی درمورد کتاب به خارجی

Learn How to Program Stochastic Models Highly recommended, the best-selling first edition of Introduction to Scientific Programming and Simulation Using R was lauded as an excellent, easy-to-read introduction with extensive examples and exercises. This second edition continues to introduce scientific programming and stochastic modelling in a clear, practical, and thorough way. Readers learn programming by experimenting with the provided R code and data. The book’s four parts teach: Core knowledge of R and programming concepts How to think about mathematics from a numerical point of view, including the application of these concepts to root finding, numerical integration, and optimisation Essentials of probability, random variables, and expectation required to understand simulation Stochastic modelling and simulation, including random number generation and Monte Carlo integration In a new chapter on systems of ordinary differential equations (ODEs), the authors cover the Euler, midpoint, and fourth-order Runge-Kutta (RK4) schemes for solving systems of first-order ODEs. They compare the numerical efficiency of the different schemes experimentally and show how to improve the RK4 scheme by using an adaptive step size. Another new chapter focuses on both discrete- and continuous-time Markov chains. It describes transition and rate matrices, classification of states, limiting behaviour, Kolmogorov forward and backward equations, finite absorbing chains, and expected hitting times. It also presents methods for simulating discrete- and continuous-time chains as well as techniques for defining the state space, including lumping states and supplementary variables. Building readers’ statistical intuition, Introduction to Scientific Programming and Simulation Using R, Second Edition shows how to turn algorithms into code. It is designed for those who want to make tools, not just use them. The code and data are available for download from CRAN.