دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Millions, Billions, Zillions: Defending Yourself in a World of Too Many Numbers
دانلود کتاب میلیون ها ، میلیاردها ، صلیون: دفاع از خود در دنیایی با تعداد بسیار زیاد
مشخصات کتاب
Millions, Billions, Zillions: Defending Yourself in a World of Too Many Numbers
ویرایش:
نویسندگان: Brian W. Kernighan
سری:
ISBN (شابک) : 0691182779, 9780691182773
ناشر: Princeton University Press
سال نشر: 2018
تعداد صفحات: 177
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 مگابایت
قیمت کتاب (تومان) : 54,000
در صورت تبدیل فایل کتاب Millions, Billions, Zillions: Defending Yourself in a World of Too Many Numbers 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 میلیون ها ، میلیاردها ، صلیون: دفاع از خود در دنیایی با تعداد بسیار زیاد 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 میلیون ها ، میلیاردها ، صلیون: دفاع از خود در دنیایی با تعداد بسیار زیاد
راهنمای ضروری برای تشخیص اعداد جعلی و داده‌های
گمراه‌کننده
اعداد اغلب ترسناک، گیج‌کننده و حتی عمدا فریبنده هستند، به‌ویژه
زمانی که واقعا بزرگ هستند. رسانه ها دوست دارند میلیون ها،
میلیاردها و تریلیون ها را گزارش کنند، اما اغلب اشتباهات اساسی
مرتکب می شوند یا چنین اعدادی را به روش های گمراه کننده ارائه می
دهند. و درک نادرست اعداد می تواند عواقب جدی داشته باشد، زیرا
آنها می توانند ما را در بسیاری از مهم ترین تصمیماتمان فریب
دهند، از جمله نحوه رای دادن، چه چیزی بخریم و آیا سرمایه گذاری
مالی انجام دهیم یا خیر. در این کتاب کوتاه، در دسترس، روشنگر و
سرگرم‌کننده، برایان کرنیگان، دانشمند پیشرو کامپیوتر، به هر کسی
- حتی ترس از ریاضیات سرسخت - می‌آموزد که چگونه اعدادی را که هر
روز به ما حمله می‌کنند، ابهام کنند.
با مثال‌هایی برگرفته از یک کتاب کرنیگان نشان می‌دهد که چگونه
اعداد و ارقام می‌توانند گمراه‌کننده و نادرست از منابع مختلف، از
جمله روزنامه‌نگاری، تبلیغات و سیاست باشند. در فصل‌هایی که اعداد
بزرگ، واحدها، ابعاد و موارد دیگر را پوشش می‌دهد، او همه چیز را
از نمودارهای فریبنده گرفته تا اعداد دقیق مشخص می‌کند. و او نشان
می دهد که چگونه هر کسی – با استفاده از چند ایده اساسی و تعداد
زیادی میانبر – می تواند به راحتی یاد بگیرد که اشتباهات رایج را
تشخیص دهد، تعیین کند که آیا اعداد معتبر هستند یا خیر، و در صورت
نیاز تخمین های معقول خود را انجام دهند.
به شما این امکان را می دهد. ابزارهای ساده ای که برای جلوگیری از
فریب خوردن اعداد مشکوک به آنها نیاز دارید،میلیون ها،
میلیاردها، میلیاردهاراهنمای ضروری بقا برای جهانی غرق شده در
داده های بزرگ و اغلب بد است.
توضیحاتی درمورد کتاب به خارجی
An essential guide to recognizing bogus numbers and misleading
data
Numbers are often intimidating, confusing, and even
deliberately deceptive—especially when they are really big. The
media loves to report on millions, billions, and trillions, but
frequently makes basic mistakes or presents such numbers in
misleading ways. And misunderstanding numbers can have serious
consequences, since they can deceive us in many of our most
important decisions, including how to vote, what to buy, and
whether to make a financial investment. In this short,
accessible, enlightening, and entertaining book, leading
computer scientist Brian Kernighan teaches anyone—even diehard
math-phobes—how to demystify the numbers that assault us every
day.
With examples drawn from a rich variety of sources, including
journalism, advertising, and politics, Kernighan demonstrates
how numbers can mislead and misrepresent. In chapters covering
big numbers, units, dimensions, and more, he lays bare
everything from deceptive graphs to speciously precise numbers.
And he shows how anyone—using a few basic ideas and lots of
shortcuts—can easily learn to recognize common mistakes,
determine whether numbers are credible, and make their own
sensible estimates when needed.
Giving you the simple tools you need to avoid being fooled by
dubious numbers,Millions, Billions, Zillionsis an
essential survival guide for a world drowning in big—and often
bad—data.
