دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Eddison. John
سری:
ISBN (شابک) : 1584880333, 1351420569
ناشر: Routledge
سال نشر: 2017
تعداد صفحات: 471
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 143 مگابایت
در صورت تبدیل فایل کتاب Quantitative Investigations in the Biosciences Using MINITAB 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 بررسی های کمی در علوم زیستی با استفاده از MINITAB 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.
تا همین اواخر، کسب پیشینه در اصول روششناختی اساسی که در اکثر انواع تحقیقات اعمال میشود به معنای تلاش برای به دست آوردن نتایج از طریق محاسبات پر زحمت بود. ظهور بستههای نرمافزاری آماری بسیاری از خستگیها و بسیاری از خطاهای محاسبات دستی را حذف کرده و باعث افزایش قابل توجهی در عمق و پیچیدگی تحلیلها شده است. اگرچه اکثر کلاسهای آمار اکنون دستورالعملهایی را برای استفاده از بستههای آماری ارائه میکنند، بیشتر متون مقدماتی چنین نیستند. تحقیقات کمی در علوم زیستی با استفاده از MINITAB با ارائه مقدمه ای بر روش های تحقیقی که علاوه بر تشریح اصول آماری و تشریح روش های محاسبات، دستورات ضروری و تفسیر خروجی از بسته آماری MINITAB را نیز ارائه می دهد، این خلاء را پر می کند. نویسنده سه عنصر اساسی تحقیقات را معرفی می کند - طراحی، تجزیه و تحلیل، و گزارش - با استفاده از یک رویکرد بسیار در دسترس که جزئیات ریاضی را به حداقل می رساند. او آزمون های آماری را بر اساس نوع مسئله ای که برای بررسی استفاده می شود، گروه بندی می کند، مانند مقایسه ها، روابط متوالی و ارتباط ها. بررسیهای کمی در علوم زیستی با استفاده از MINITAB تکنیکها و مثالهایی را از موضوعات مختلف، از فیزیولوژی و بیوشیمی گرفته تا بومشناسی، علوم رفتاری، پزشکی، کشاورزی و باغبانی ترسیم میکند و نتایج ریاضی را با نتیجهگیری رسمی برای همه نمونههای کار شده تکمیل میکند. بنابراین یک کتابچه راهنمای ایده آل برای هر کسی در هر زمینه ای که می خواهد تکنیک های آماری را در تحقیقات خود به کار گیرد، ارائه می دهد.
Until recently, acquiring a background in the basic methodological principles that apply to most types of investigations meant struggling to obtain results through laborious calculations. The advent of statistical software packages has removed much of the tedium and many of the errors of manual calculations and allowed a marked increase in the depth and sophistication of analyses. Although most statistics classes now incorporate some instruction in using a statistics package, most introductory texts do not. Quantitative Investigations in the Biosciences using MINITAB fills this void by providing an introduction to investigative methods that, in addition to outlining statistical principles and describing methods of calculations, also presents essential commands and interprets output from the statistics package MINITAB. The author introduces the three basic elements of investigations-design, analysis, and reporting-using an extremely accessible approach that keeps mathematical detail to a minimum. He groups statistical tests according to the type of problem they are used to examine, such as comparisons, sequential relationships, and associations. Quantitative Investigations in the Biosciences using MINITAB draws techniques and examples from a variety of subjects, ranging from physiology and biochemistry through to ecology, behavioral sciences, medicine, agriculture and horticulture, and complements the mathematical results with formal conclusions for all of the worked examples. It thus provides an ideal handbook for anyone in virtually any field who wants to apply statistical techniques to their investigations.
Content: Cover
Half Title
Title Page
Copyright Page
Contents
Preface
Chapter 1. Introduction
1.1 Introduction
1.2 The process of conducting an investigation
The big question
Problem types
The hypothesis
The data and choice of investigative method
The analysis
The conclusions and communication
1.3 Summary
Part I: Data Familiarisation and Presentation
Chapter 2. Exploring, Summarising, and Presenting Data
2.1 Introduction
2.2 Organising data using Minitab
2.3 Numerical methods of data description
Listing and tabulating data
Measures of central tendency
Measures of spread. Minitab methods of numerical data description2.4 Graphical methods of data description
Histograms, bar charts, and stem-and-leaf diagrams
Box-and-whisker plots
Graphs and scatter diagrams
Pie charts
2.5 Exercises
2.6 Summary of Minitab commands
2.7 Summary
Chapter 3. Reliability, Probability, and Confidence
3.1 Introduction
3.2 Reliability
3.3 Probability
The binomial distribution and binomial probabilities
The Poisson distribution and Poisson probabilities
The normal distribution and normal probabilities
3.4 Confidence intervals
Confidence interval of a mean. Confidence interval of a proportion3.5 Graphical presentation of reliability and confidence
3.6 Exercises
3.7 Summary of Minitab Commands
3.8 Summary
Chapter 4. Sampling
4.1 Introduction
4.2 Sampling techniques
Simple random sampling
Stratified random sampling
Systematic sampling
4.3 Sample size determination
How large a sample is necessary when estimating a population mean?
How large a sample is necessary when estimating a population proportion?
4. 4 Exercises
4.5 Summary of Minitab commands
4.6 Summary
Part II: Questions of Comparison
General Introduction. Chapter 5. Single Sample Comparisons5.1 Introduction
5.2 Comparisons of a large sample (or where the population standard deviation is known)
5.3 Comparisons of a small sample
5.4 Comparisons of samples that have not been drawn from normal distributions
Comparing nominal data against a standard value
Comparing measured data against a standard value
5.5 Exercises
5.6 Summary of Minitab commands
5.7 Summary
Chapter 6. Comparing Two Samples
6.1 Introduction
6.2 Comparing two independent samples
Comparing two sample means. Comparing two independent samples when normality cannot be assumed6.3 Comparison of two related (or paired) samples
Comparison of paired samples when normality can be assumed
Comparison of paired samples when normality cannot be assumed
Paired sign test
Wilcoxon matched-pairs signed-ranks test
6.4 Exercises
6.5 Summary of Minitab commands
6.6 Summary
Chapter 7. Multiple Comparisons
7.1 Introduction
7.2 Comparisons involving many levels of a single factor
Between-subject comparisons where normality can be assumed
The Kruskal- Wallis non-parametric oneway ANOVA.