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 Statistical Data Analysis for the Life Sciences

دانلود کتاب مقدمه ای بر تجزیه و تحلیل داده های آماری برای علوم زیستی

مشخصات کتاب

Introduction to Statistical Data Analysis for the Life Sciences

دسته بندی: آمار زیستی
ویرایش: 2 
نویسندگان: Ekstrøm. Claus Thorn,  Sørensen. Helle  
سری:  
ISBN (شابک) : 9781482238938, 1482238942 
ناشر: CRC Press 
سال نشر: 2014 
تعداد صفحات: 521 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت

قیمت کتاب (تومان) : 45,000

کلمات کلیدی مربوط به کتاب مقدمه ای بر تجزیه و تحلیل داده های آماری برای علوم زیستی: رشته های پزشکی، پزشکی اجتماعی و آمار زیست پزشکی

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 18

در صورت تبدیل فایل کتاب Introduction to Statistical Data Analysis for the Life 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 تجزیه و تحلیل داده های آماری برای علوم زیستی 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 تجزیه و تحلیل داده های آماری برای علوم زیستی

رویکردی عملی برای آموزش آمار مقدماتی که با بیش از 100 صفحه دیگر گسترش یافته است، مقدمه ای بر تجزیه و تحلیل داده های آماری برای علوم زیستی، ویرایش دوم، تعادل مناسبی از نمونه های داده، نظریه آماری، و محاسبات را برای آموزش آمار مقدماتی به دانش آموزان در زندگی ارائه می کند. علوم این کتاب درسی پرطرفدار، ریاضیات نهفته در تحلیل آماری کلاسیک، جنبه‌های مدل‌سازی تحلیل آماری و تفسیر بیولوژیکی نتایج، و کاربرد نرم‌افزار آماری در تجزیه و تحلیل مسائل و مجموعه داده‌های دنیای واقعی را پوشش می‌دهد. جدید به نسخه دوم فصل جدیدی در مورد مدل های رگرسیون غیر خطی فصل جدیدی که شامل نمونه هایی از تجزیه و تحلیل کامل داده ها است، نشان می دهد که چگونه یک تجزیه و تحلیل آماری کامل انجام می شود تمرین های اضافی در اکثر فصل ها خلاصه ای از فرمول های آماری مربوط به طرح های خاص برای آموزش مفاهیم آماری استفاده می شود. اگرچه این متن با هر نرم افزار آماری قابل دسترسی است، اما این متن اعتماد به R را تشویق می کند. این کتاب همچنین شامل تمرین‌های پایان فصل و همچنین یک فصل کامل از تمرین‌های موردی است که به دانش‌آموزان کمک می‌کند دانش خود را در مجموعه داده‌های بزرگ‌تر اعمال کنند و درباره رویکردهای خاص علوم زیستی بیشتر بیاموزند.

توضیحاتی درمورد کتاب به خارجی

A Hands-On Approach to Teaching Introductory Statistics Expanded with over 100 more pages, Introduction to Statistical Data Analysis for the Life Sciences, Second Edition presents the right balance of data examples, statistical theory, and computing to teach introductory statistics to students in the life sciences. This popular textbook covers the mathematics underlying classical statistical analysis, the modeling aspects of statistical analysis and the biological interpretation of results, and the application of statistical software in analyzing real-world problems and datasets. New to the Second Edition A new chapter on non-linear regression models A new chapter that contains examples of complete data analyses, illustrating how a full-fledged statistical analysis is undertaken Additional exercises in most chapters A summary of statistical formulas related to the specific designs used to teach the statistical concepts This text provides a computational toolbox that enables students to analyze real datasets and gain the confidence and skills to undertake more sophisticated analyses. Although accessible with any statistical software, the text encourages a reliance on R. For those new to R, an introduction to the software is available in an appendix. The book also includes end-of-chapter exercises as well as an entire chapter of case exercises that help students apply their knowledge to larger datasets and learn more about approaches specific to the life sciences.

فهرست مطالب

Content: Description of Samples and Populations  Data types  Visualizing categorical data Visualizing quantitative data  Statistical summaries  What is a probability?  R       Linear Regression  Fitting a regression line  When is linear regression appropriate?  The correlation coefficient  Perspective  R       Comparison of Groups  Graphical and simple numerical comparison  Between-group variation and within-group variation  Populations, samples, and expected values  Least squares estimation and residuals  Paired and unpaired samples  Perspective  R       The Normal Distribution  Properties  One sample  Are the data (approximately) normally distributed?  The central limit theorem  R       Statistical Models, Estimation, and Confidence Intervals  Statistical models  Estimation  Confidence intervals  Unpaired samples with different standard deviations  R       Hypothesis Tests  Null hypotheses t-tests  Tests in a one-way ANOVA  Hypothesis tests as comparison of nested models  Type I and type II errors  R       Model Validation and Prediction  Model validation  Prediction  R       Linear Normal Models  Multiple linear regression  Additive two-way analysis of variance  Linear models  Interactions between variables  R       Non-Linear Regression  Non-linear regression models  Estimation, confidence intervals, and hypothesis tests  Model validation  R       Probabilities  Outcomes, events, and probabilities  Conditional probabilities  Independence       The Binomial Distribution  The independent trials model  The binomial distribution  Estimation, confidence intervals, and hypothesis tests  Differences between proportions  R       Analysis of Count Data  The chi-square test for goodness-of-fit  2 x 2 contingency table  Two-sided contingency tables  R       Logistic Regression  Odds and odds ratios  Logistic regression models  Estimation and confidence intervals  Hypothesis tests  Model validation and prediction  R       Statistical Analysis Examples  Water temperature and frequency of electric signals from electric eels  Association between listeria growth and RIP2 protein  Degradation of dioxin  Effect of an inhibitor on the chemical reaction rate  Birthday bulge on the Danish soccer team  Animal welfare  Monitoring herbicide efficacy       Case Exercises  Case 1: Linear modeling  Case 2: Data transformations  Case 3: Two sample comparisons Case 4: Linear regression with and without intercept  Case 5: Analysis of variance and test for linear trend  Case 6: Regression modeling and transformations  Case 7: Linear models  Case 8: Binary variables  Case 9: Agreement  Case 10: Logistic regression  Case 11: Non-linear regression  Case 12: Power and sample size calculations       Appendix A: Summary of Inference Methods  Appendix B: Introduction to R  Appendix C: Statistical Tables  Appendix D: List of Examples Used throughout the Book    Bibliography    Index      Exercises appear at the end of each chapter