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: 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.
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.
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.
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.