Introduction to Statistics Through Resampling Methods and R

دسته بندی: برنامه نویسی: زبان های برنامه نویسی
ویرایش:  
نویسندگان: Good Ph.I.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 217 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 19 مگابایت 

قیمت کتاب (تومان) : 69,000

وایلی، 2013. – 216 ص. – ویرایش دوم – ISBN: 1118428218 رویکرد جایگزین بسیار قابل دسترس برای آمار پایه ستایش نسخه اول: \"مسلماً یکی از تاثیرگذارترین کتاب های آمار مقدماتی 200 صفحه ای جلد شومیز که من هرگز خواهم دید... این کتاب برای هر آماردانی می تواند یک کتاب شبانه خوب باشد. روش‌های نمونه‌گیری مجدد و R، ویرایش دوم دانش‌آموزان را در درک آمار توصیفی، تخمین، آزمون فرضیه و ساخت مدل راهنمایی می‌کند. این کتاب بر روش کشف تأکید می‌کند و به خوانندگان این امکان را می‌دهد تا راه‌حل‌ها را به تنهایی به‌جای کپی کردن پاسخ‌ها یا استفاده از یک فرمول به‌سرعت مشخص کنند. نسخه دوم از زبان برنامه نویسی R برای ساده کردن محاسبات خسته کننده، نشان دادن مفاهیم جدید و کمک به خوانندگان در تکمیل تمرین ها استفاده می کند. این متن با استفاده از موارد زیر یادگیری سریع را تسهیل می‌کند:
بیش از 250 تمرین - با \"نکات\" انتخابی - پراکنده در سراسر برای تحریک تفکر خوانندگان و مشارکت فعال آنها در به کارگیری مهارت‌های جدیدشان
تمرکز بر روی چرایی معرفی یک روش
توضیحات چندگانه مفاهیم اساسی
کاربردهای زندگی واقعی در رشته های مختلف
ده ها سوال تفکربرانگیز و حل مسئله در فصل آخر برای کمک به خوانندگان در کاربرد آمار در کاربردهای واقعی مقدمه‌ای بر آمار از طریق روش‌های نمونه‌گیری مجدد و R، ویرایش دوم یک منبع عالی برای دانشجویان و شاغلین در زمینه‌های کشاورزی، اخترفیزیک است. باکتری شناسی، زیست شناسی، گیاه شناسی، تجارت، اقلیم شناسی، آزمایشات بالینی، اقتصاد، آموزش، اپیدمیولوژی، ژنتیک، زمین شناسی، فرآیندهای رشد، مدیریت بیمارستان، قانون، تولید، بازاریابی، پزشکی، قارچ شناسی، فیزیک، علوم سیاسی، روانشناسی، رفاه اجتماعی، ورزش و سم شناسی که می خواهند به روش های آماری تسلط پیدا کنند و یاد بگیرند. محتوا:
پیشگفتار
تغییر
تغییر
جمع آوری داده
خلاصه کردن داده های شما
گزارش نتایج
انواع داده
نمایش متغیرهای متعدد
معیارهای موقعیت مکانی
نمونه‌ها و جمعیت‌ها
خلاصه و بررسی
احتمال
احتمال
آزمایش‌های دوجمله‌ای
احتمال شرطی
استقلال
کاربردهای ژنتیک
خلاصه و مرور
دو توزیع احتمالی طبیعی
توزیع مقادیر
توزیعات گسسته
توزیع دو جمله ای
اندازه گیری جمعیت پراکندگی و دقت نمونه
پواسون: رویدادهای نادر در زمان و مکان
توزیع مداوم
خلاصه و بررسی
تخمین و توزیع عادی
نقطه تخمین‌ها
ویژگی‌های توزیع عادی
استفاده از فواصل اطمینان برای آزمایش فرضیه‌ها
خواص مشاهدات مستقل
خلاصه و مرور
آزمایش فرضیه‌ها
آزمایش یک فرضیه
برآورد اندازه اثر
استفاده از آزمون t در اندازه گیری ها
مقایسه دو نمونه
از کدام تست استفاده کنیم؟
خلاصه و مرور
طراحی یک آزمایش یا نظرسنجی
اثر هاثورن
طراحی یک آزمایش یا نظرسنجی
چقدر یک نمونه بزرگ است؟
فراتحلیل
خلاصه و بررسی
راهنمای ورود، ویرایش، ذخیره و بازیابی مقادیر زیادی داده با استفاده از R
ایجاد و ویرایش داده فایل
ذخیره سازی و بازیابی فایل ها از داخل R
بازیابی داده های ایجاد شده توسط برنامه های دیگر
استفاده از R برای رسم نمونه تصادفی
تجزیه و تحلیل آزمایش های پیچیده
تغییرات اندازه گیری شده در درصد
مقایسه بیش از دو نمونه
تغییرپذیری یکسان
داده های دسته بندی
تحلیل چند متغیره
دستورالعمل های برنامه نویسی R
خلاصه و مرور
توسعه مدل‌ها
مدل‌ها
درخت‌های طبقه‌بندی و رگرسیون
رگرسیون
براساس یک معادله رگرسیون
مشکلات با رگرسیون
رگرسیون چندگانه
اعتبار سنجی
خلاصه و بررسی
گزارش یافته های شما
چه چیزی را گزارش کنید
متن، جدول یا نمودار؟
خلاصه کردن نتایج
گزارش نتایج تجزیه و تحلیل
استثناها داستان واقعی هستند
خلاصه و مرور
حل مسئله
مشکلات < br/>حل مسائل عملی پاسخ به تمرینات انتخابی
شاخص

Wiley, 2013. – 216 p. – 2nd ed. – ISBN: 1118428218 A highly accessible alternative approach to basic statistics Praise for the First Edition: "Certainly one of the most impressive little paperback 200-page introductory statistics books that I will ever see . . . it would make a good nightstand book for every statistician."—Technometrics Written in a highly accessible style, Introduction to Statistics through Resampling Methods and R, Second Edition guides students in the understanding of descriptive statistics, estimation, hypothesis testing, and model building. The book emphasizes the discovery method, enabling readers to ascertain solutions on their own rather than simply copy answers or apply a formula by rote. The Second Edition utilizes the R programming language to simplify tedious computations, illustrate new concepts, and assist readers in completing exercises. The text facilitates quick learning through the use of:
More than 250 exercises—with selected "hints"—scattered throughout to stimulate readers' thinking and to actively engage them in applying their newfound skills
An increased focus on why a method is introduced
Multiple explanations of basic concepts
Real-life applications in a variety of disciplines
Dozens of thought-provoking, problem-solving questions in the final chapter to assist readers in applying statistics to real-life applications Introduction to Statistics through Resampling Methods and R, Second Edition is an excellent resource for students and practitioners in the fields of agriculture, astrophysics, bacteriology, biology, botany, business, climatology, clinical trials, economics, education, epidemiology, genetics, geology, growth processes, hospital administration, law, manufacturing, marketing, medicine, mycology, physics, political science, psychology, social welfare, sports, and toxicology who want to master and learn to apply statistical methods. Contents:
Preface
Variation
Variation
Collecting Data
Summarizing Your Data
Reporting Your Results
Types of Data
Displaying Multiple Variables
Measures of Location
Samples and Populations
Summary and Review
Probability
Probability
Binomial Trials
Conditional Probability
Independence
Applications to Genetics
Summary and Review
Two Naturally Occurring Probability Distributions
Distribution of Values
Discrete Distributions
The Binomial Distribution
Measuring Population Dispersion and Sample Precision
Poisson: Events Rare in Time and Space
Continuous Distributions
Summary and Review
Estimation and the Normal Distribution
Point Estimates
Properties of the Normal Distribution
Using Confidence Intervals to Test Hypotheses
Properties of Independent Observations
Summary and Review
Testing Hypotheses
Testing a Hypothesis
Estimating Effect Size
Applying the t-Test to Measurements
Comparing Two Samples
Which Test Should We Use?
Summary and Review
Designing an Experiment or Survey
The Hawthorne Effect
Designing an Experiment or Survey
How Large a Sample?
Meta-Analysis
Summary and Review
Guide to Entering, Editing, Saving, and Retrieving Large Quantities of Data Using R
Creating and Editing a Data File
Storing and Retrieving Files from within R
Retrieving Data Created by Other Programs
Using R to Draw a Random Sample
Analyzing Complex Experiments
Changes Measured in Percentages
Comparing More Than Two Samples
Equalizing Variability
Categorical Data
Multivariate Analysis
R Programming Guidelines
Summary and Review
Developing Models
Models
Classification and Regression Trees
Regression
Fitting a Regression Equation
Problems with Regression
Quantile Regression
Validation
Summary and Review
Reporting Your Findings
What to Report
Text, Table, or Graph?
Summarizing Your Results
Reporting Analysis Results
Exceptions Are the Real Story
Summary and Review
Problem Solving
The Problems
Solving Practical Problems Answers to Selected Exercises
Index