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 نويسي
ویرایش: 1 
نویسندگان: Owen Jones,  Robert Maillardet,  Andrew Robinson  
سری:  
ISBN (شابک) : 1420068725, 9781420068726 
ناشر: Chapman & Hall/CRC 
سال نشر: 2009 
تعداد صفحات: 449 
زبان: English  
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 مگابایت

قیمت کتاب (تومان) : 31,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 7

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

زبان برنامه نویسی رایگان R که به دلیل تطبیق پذیری اش شناخته شده است، به طور گسترده برای محاسبات آماری و گرافیک استفاده می شود، اما همچنین یک زبان برنامه نویسی کاملا کاربردی است که به خوبی برای برنامه نویسی علمی مناسب است. مقدمه‌ای بر برنامه‌نویسی علمی و شبیه‌سازی با استفاده از R، مهارت‌های مورد نیاز برای اجرای برنامه‌نویسی علمی را آموزش می‌دهد و در عین حال مدل‌سازی تصادفی را نیز معرفی می‌کند. مدل‌سازی تصادفی به طور خاص، و مدل‌سازی ریاضی به طور کلی، ارتباط نزدیکی با برنامه‌نویسی علمی دارند، زیرا تکنیک‌های عددی برنامه‌نویسی علمی، کاربرد عملی مدل‌های ریاضی را برای مسائل دنیای واقعی امکان‌پذیر می‌سازد. به دنبال یک پیشرفت طبیعی که هیچ دانش قبلی از برنامه نویسی یا احتمال را فرض نمی کند، این کتاب در چهار بخش اصلی سازماندهی شده است: برنامه نویسی در R با نحوه به دست آوردن و نصب R (برای پلتفرم های Windows، MacOS و Unix) شروع می شود، سپس به محاسبات اولیه می پردازد و جریان برنامه، قبل از پیشرفت به سمت برنامه نویسی مبتنی بر تابع، ساختارهای داده، گرافیک و کدهای شی گرا، مقدمه ای مستقل، مفاهیم دقت عددی و کارایی برنامه را در زمینه ریشه یابی، ادغام و بهینه سازی معرفی می کند. به نظریه احتمال خوانندگان را تا قانون ضعیف اعداد بزرگ و قضیه حد مرکزی تجهیز می کند و آنها را برای تخمین نقطه و بازه مجهز می کند. مدل‌سازی تصادفی با استفاده از مطالعات موردی گسترده در مورد اپیدمی‌ها، مدیریت موجودی معرفی شده است. ent، و پراکندگی گیاه. یک رویکرد آموزشی آزموده شده با مثال‌ها، تمرین‌ها و مجموعه‌ای از پروژه‌های تمرینی در سراسر جهان به کار می‌رود. برخلاف اکثر راهنماهای R، این جلد در مورد کاربرد تکنیک های آماری نیست، بلکه نشان می دهد که چگونه الگوریتم ها را به کد تبدیل کنید. این برای کسانی است که می خواهند ابزار بسازند نه اینکه فقط از آنها استفاده کنند.

توضیحاتی درمورد کتاب به خارجی

Known for its versatility, the free programming language R is widely used for statistical computing and graphics, but is also a fully functional programming language well suited to scientific programming. An Introduction to Scientific Programming and Simulation Using R teaches the skills needed to perform scientific programming while also introducing stochastic modelling. Stochastic modelling in particular, and mathematical modelling in general, are intimately linked to scientific programming because the numerical techniques of scientific programming enable the practical application of mathematical models to real-world problems. Following a natural progression that assumes no prior knowledge of programming or probability, the book is organised into four main sections: Programming In R starts with how to obtain and install R (for Windows, MacOS, and Unix platforms), then tackles basic calculations and program flow, before progressing to function based programming, data structures, graphics, and object-oriented code A Primer on Numerical Mathematics introduces concepts of numerical accuracy and program efficiency in the context of root-finding, integration, and optimization A Self-contained Introduction to Probability Theory takes readers as far as the Weak Law of Large Numbers and the Central Limit Theorem, equipping them for point and interval estimation Simulation teaches how to generate univariate random variables, do Monte-Carlo integration, and variance reduction techniques In the last section, stochastic modelling is introduced using extensive case studies on epidemics, inventory management, and plant dispersal. A tried and tested pedagogic approach is employed throughout, with numerous examples, exercises, and a suite of practice projects. Unlike most guides to R, this volume is not about the application of statistical techniques, but rather shows how to turn algorithms into code. It is for those who want to make tools, not just use them.