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: Michael J. Crawley
سری:
ISBN (شابک) : 9781118941096
ناشر: Wiley
سال نشر: 2014
تعداد صفحات: 357
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 مگابایت
در صورت تبدیل فایل کتاب Statistics, 2nd Edition: An Introduction Using R 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 آمار ، چاپ 2: مقدمه ای با استفاده از R 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.
نسخه اصلاح شده و به روز شده این کتاب درسی مقدماتی پرفروش برای تجزیه و تحلیل آماری با استفاده از بسته نرم افزار آزاد پیشرو R. این نسخه جدید از یک عنوان پرفروش، مقدمه ای مختصر بر مجموعه وسیعی از روش های آماری را ارائه می دهد، در سطحی که به اندازه کافی ابتدایی است که بتوان به آن علاقه داشت. طیف گسترده ای از رشته ها دستورالعمل های گام به گام به غیر آمارگیر کمک می کند تا روش شناسی را به طور کامل درک کند. این کتاب طیف کاملی از تکنیکهای آماری مورد نیاز برای تجزیه و تحلیل دادههای پروژههای تحقیقاتی را پوشش میدهد، از جمله مواد اولیه مانند آزمونهای t و آزمونهای مجذور کای، روشهای میانی مانند رگرسیون و تحلیل واریانس، و تکنیکهای پیشرفتهتر مانند خطی تعمیمیافته. مدل سازی
A revised and updated edition of this bestselling introductory textbook to statistical analysis using the leading free software package R. This new edition of a bestselling title offers a concise introduction to a broad array of statistical methods, at a level that is elementary enough to appeal to a wide range of disciplines. Step-by-step instructions help the non-statistician to fully understand the methodology. The book covers the full range of statistical techniques likely to be needed to analyse the data from research projects, including elementary material like t-tests and chi-squared tests, intermediate methods like regression and analysis of variance, and more advanced techniques like generalized linear modelling.