مشخصات کتاب

SAS and R: Data Management, Statistical Analysis, and Graphics

ویرایش: 2 
نویسندگان: Ken Kleinman.  Nicholas J. Horton  
سری:  
ISBN (شابک) : 9781466584495, 9781466584501 
ناشر: Chapman and Hall/CRC 
سال نشر: 2014 
تعداد صفحات: 425 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت 

در صورت تبدیل فایل کتاب SAS and R: Data Management, Statistical Analysis, and Graphics 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 SAS و R: مدیریت داده ها، تجزیه و تحلیل آماری، و گرافیک 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 SAS و R: مدیریت داده ها، تجزیه و تحلیل آماری، و گرافیک

منبعی به روز و همه کاره برای استفاده از SAS و R برای انجام کارهای مکرر اولین نسخه از این راهنمای محبوب با استفاده از رویکردی ساده و قابل درک و دیکشنری مانند مسیری بین SAS و R ارائه کرد. با حفظ فرمت قابل دسترس یکسان، SAS و R: مدیریت داده، تجزیه و تحلیل آماری، و گرافیک، ویرایش دوم توضیح می‌دهد که چگونه می‌توان به راحتی یک کار تحلیلی را در هر دو SAS و R انجام داد، بدون اینکه نیازی به پیمایش در اسناد نرم‌افزاری گسترده، خاص، و گاهی سخت‌گیرانه باشد. . این کتاب بسیاری از وظایف رایج، مانند مدیریت داده ها، خلاصه های توصیفی، روش های استنتاجی، تجزیه و تحلیل رگرسیون، و گرافیک، همراه با برنامه های کاربردی پیچیده تر را پوشش می دهد. جدید به نسخه دوم این نسخه اکنون RStudio را پوشش می‌دهد، یک رابط قدرتمند و آسان برای R. این نسخه شامل تعدادی موضوعات اضافی، از جمله استفاده از رابط‌های برنامه کاربردی (API)، دسترسی به داده‌ها از طریق سیستم‌های مدیریت پایگاه داده، استفاده از ابزارهای تجزیه و تحلیل قابل تکرار، و تجزیه و تحلیل آماری است. با روش‌های زنجیره مارکوف مونت کارلو (MCMC) و مدل‌های مخلوط محدود. همچنین شامل نمونه های توسعه یافته شبیه سازی و بسیاری از نمونه های جدید است. تحرک آسان بین دو سیستم را فعال می کند از طریق نمایه سازی و ارجاع متقابل گسترده، کاربران می توانند مستقیماً مطالب مورد نیاز خود را پیدا و پیاده سازی کنند. کاربران SAS می توانند وظایف را در فهرست SAS جستجو کنند و سپس کد R مرتبط را پیدا کنند در حالی که کاربران R می توانند از شاخص R به روشی مشابه بهره مند شوند. تجزیه و تحلیل نمونه های متعدد کد را در عمل نشان می دهد و کاوش بیشتر را تسهیل می کند. مجموعه داده ها و کد برای دانلود در وب سایت کتاب موجود است.

توضیحاتی درمورد کتاب به خارجی

An Up-to-Date, All-in-One Resource for Using SAS and R to Perform Frequent Tasks The first edition of this popular guide provided a path between SAS and R using an easy-to-understand, dictionary-like approach. Retaining the same accessible format, SAS and R: Data Management, Statistical Analysis, and Graphics, Second Edition explains how to easily perform an analytical task in both SAS and R, without having to navigate through the extensive, idiosyncratic, and sometimes unwieldy software documentation . The book covers many common tasks, such as data management, descriptive summaries, inferential procedures, regression analysis, and graphics, along with more complex applications. New to the Second Edition This edition now covers RStudio, a powerful and easy-to-use interface for R. It incorporates a number of additional topics, including using application program interfaces (APIs), accessing data through database management systems, using reproducible analysis tools, and statistical analysis with Markov chain Monte Carlo (MCMC) methods and finite mixture models. It also includes extended examples of simulations and many new examples. Enables Easy Mobility between the Two Systems Through the extensive indexing and cross-referencing, users can directly find and implement the material they need. SAS users can look up tasks in the SAS index and then find the associated R code while R users can benefit from the R index in a similar manner. Numerous example analyzes demonstrate the code in action and facilitate further exploration. The datasets and code are available for download on the book's website.

فهرست مطالب

Data Input and Output
Input
Output

Data Management
Structure and Meta-Data
Derived Variables and Data Manipulation
Merging, Combining, and Subsetting Datasets
Date and Time Variables

Statistical and Mathematical Functions
Probability Distributions and Random Number Generation
Mathematical Functions
Matrix Operations

Programming and Operating System Interface
Control Flow, Programming, and Data Generation
Functions and Macros
Interactions with the Operating System

Common Statistical Procedures
Summary Statistics
Bivariate Statistics
Contingency Tables
Tests for Continuous Variables
Analytic Power and Sample Size Calculations

Linear Regression and ANOVA
Model Fitting
Tests, Contrasts, and Linear Functions of Parameters
Model Diagnostics
Model Parameters and Results

Regression Generalizations and Modeling
Generalized Linear Models
Further Generalizations
Robust Methods
Models for Correlated Data
Survival Analysis
Multivariate Statistics and Discriminant Procedures
Complex Survey Design
Model Selection and Assessment

A Graphical Compendium
Univariate Plots
Univariate Plots by Grouping Variable
Bivariate Plots
Multivariate Plots
Special Purpose Plots

Graphical Options and Configuration
Adding Elements
Options and Parameters
Saving Graphs

Simulation
Generating Data
Simulation Applications

Special Topics
Processing by Group
Simulation-Based Power Calculations
Reproducible Analysis and Output
Advanced Statistical Methods

Case Studies
Data Management and Related Tasks
Read Variable Format Files
Plotting Maps
Data Scraping and Visualization
Manipulating Bigger Datasets
Constrained Optimization: The Knapsack Problem

Appendix A: Introduction to SAS
Installation
Running SAS and a Sample Session
Learning SAS and Getting Help
Fundamental Elements of SAS Syntax
Work Process: The Cognitive Style of SAS
Useful SAS Background
Output Delivery System
SAS Macro Variables

Appendix B: Introduction to R and RStudio
Installation
Running R and Sample Session
Learning R and Getting Help
Fundamental Structures and Objects
Functions
Add-ons: Packages
Support and Bugs

Appendix C: The HELP Study Dataset
Background on the HELP Study
Roadmap to Analyses of the HELP Dataset
Detailed Description of the Dataset

Appendix D: References

Appendix E: Indices
Subject Index
SAS Index
R Index

Further Resources and Examples appear at the end of most chapters.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب 3-D Geometric Origami

دانلود کتاب Encyclopedia of Capitalism (Facts on File Library of World History) 3 Vol Set

دانلود کتاب Chapter 13 Bankruptcy: Keep Your Property & Repay Debts Over Time

دانلود کتاب Basic College Mathematics, Global Edition

دانلود کتاب Irma: A Chicago Woman's Story, 1871-1966