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: Joseph Adler, Jörg Beyer سری: ISBN (شابک) : 9783897216495, 3897216493 ناشر: O'Reilly Germany سال نشر: 2019 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 1 مگابایت
در صورت تبدیل فایل کتاب R in a Nutshell 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 R به طور خلاصه 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.
چرا باید R را یاد بگیریم؟ دلایل زیادی وجود دارد: زیرا گزینههای کاملاً متفاوتی نسبت به صفحهگستردهای مانند اکسل دارید، اما همچنین نسبت به نرمافزارهای آماری رایج مانند SPSS و SAS آزادی عمل بیشتری دارید. برخلاف این برنامهها، شما دسترسی مستقیم به همان زبان برنامهنویسی کامل دارید که روشهای تحلیل و تجسم نهایی با آن پیادهسازی میشوند - این به شما امکان میدهد الگوریتمهای خود را بهطور یکپارچه یکپارچه کنید و گردشهای کاری پیچیده را پیادهسازی کنید. و آخرین اما نه کماهمیت، زیرا R برای هر منبع داده، از فایلهای متنی ساده گرفته تا فرمتهای خارجی باینری گرفته تا پایگاههای داده رابطهای بسیار بزرگ، باز است. علاوه بر این، R منبع باز است و در حال حاضر در حال تسخیر آمار حرفه ای از دنیای دانشگاه است. R می تواند کارهای زیادی انجام دهد. و شما می توانید کارهای زیادی با R انجام دهید - اگر بدانید چگونه. به دنیای R خوش آمدید: R را نصب کنید و جعبه ابزار مجهز خود را مرور کنید: شما یک کنسول و یک رابط کاربری گرافیکی، تعداد بیشماری عملیات تحلیل و تجسم از پیش تعریف شده - و بستهها، بستهها، بستهها دارید. تقریباً برای هر برنامه آماری می توانید از گنجینه غنی جامعه R استفاده کنید. R صحبت کن! شما مجبور نیستید نحو و دستور زبان R را یاد بگیرید - درست مانند تعطیلات در خارج از کشور، می توانید با چند قطعه که انتخاب کرده اید از پس آن برآیید. اما ارزشش را دارد: اگر بدانید که اشیاء R چیست، چگونه توابع خود را بنویسید و بسته های خود را کنار هم قرار دهید، در تجزیه و تحلیل داده های خود انعطاف پذیرتر و موثرتر خواهید بود. تجزیه و تحلیل داده ها و آمار در عمل: با استفاده از مثال های بی شماری از پزشکی، تجارت، ورزش و بیوانفورماتیک، نحوه آماده سازی داده ها، نمایش آن ها با استفاده از توابع گرافیکی بسته شبکه، انجام تست های آماری و تطبیق مدل ها را خواهید آموخت. پس از آن، اطلاعات شما دیگر چیزی را از شما پنهان نمی کند.
Wozu sollte man R lernen? Da gibt es viele Grunde: Weil man damit naturlich ganz andere Moglichkeiten hat als mit einer Tabellenkalkulation wie Excel, aber auch mehr Spielraum als mit gangiger Statistiksoftware wie SPSS und SAS. Anders als bei diesen Programmen hat man namlich direkten Zugriff auf dieselbe, vollwertige Programmiersprache, mit der die fertigen Analyse- und Visualisierungsmethoden realisiert sind - so lassen sich nahtlos eigene Algorithmen integrieren und komplexe Arbeitsablaufe realisieren. Und nicht zuletzt, weil R offen gegenuber beliebigen Datenquellen ist, von der einfachen Textdatei uber binare Fremdformate bis hin zu den ganz groen relationalen Datenbanken. Zudem ist R Open Source und erobert momentan von der universitaren Welt aus die professionelle Statistik. R kann viel. Und Sie konnen viel mit R machen - wenn Sie wissen, wie es geht. Willkommen in der R-Welt: Installieren Sie R und stobern Sie in Ihrem gut bestuckten Werkzeugkasten: Sie haben eine Konsole und eine grafische Benutzeroberflache, unzahlige vordefinierte Analyse- und Visualisierungsoperationen - und Pakete, Pakete, Pakete. Fur quasi jeden statistischen Anwendungsbereich konnen Sie sich aus dem reichen Schatz der R-Community bedienen. Sprechen Sie R! Sie mussen Syntax und Grammatik von R nicht lernen - wie im Auslandsurlaub kommen Sie auch hier gut mit ein paar aufgeschnappten Brocken aus. Aber es lohnt sich: Wenn Sie wissen, was es mit R-Objekten auf sich hat, wie Sie eigene Funktionen schreiben und Ihre eigenen Pakete schnuren, sind Sie bei der Analyse Ihrer Daten noch flexibler und effektiver. Datenanalyse und Statistik in der Praxis: Anhand unzahliger Beispiele aus Medizin, Wirtschaft, Sport und Bioinformatik lernen Sie, wie Sie Daten aufbereiten, mithilfe der Grafikfunktionen des lattice-Pakets darstellen, statistische Tests durchfuhren und Modelle anpassen. Danach werden Ihnen Ihre Daten nichts mehr verheimlichen.