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: César Pérez López
سری:
ISBN (شابک) : 9798560999926
ناشر: Independently Published
سال نشر: 2020
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Statistics and Data Analysis Through 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 و تجزیه و تحلیل داده ها از طریق 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.
این کتاب بر پیاده سازی آمار و تجزیه و تحلیل داده ها از طریق R تمرکز دارد. ابتدا به تجزیه و تحلیل داده های اکتشافی هم به صورت عددی و هم به صورت گرافیکی می پردازد، که همیشه یک تکنیک قبل از هر تحلیل آماری دیگری است. سپس آمار توصیفی و محاسبه احتمالات توسعه مییابد. در ادامه، مدل رگرسیون چندگانه با تمرکز بر مشکلات تخمین و تشخیص آن مورد بررسی قرار می گیرد. همچنین به مدل های خطی تعمیم یافته و تحلیل واریانس و مدل های کوواریانس می پردازد. تکنیکهای کاهش ابعاد نیز با تأکید ویژه بر تحلیل مؤلفههای اصلی و تحلیل عاملی مورد توجه قرار میگیرند. در نهایت، تکنیک های تقسیم بندی مربوط به تجزیه و تحلیل خوشه سلسله مراتبی و غیر سلسله مراتبی ارائه شده است.
This book focuses on the implementation of statistics and data analysis through R. It deals first with the Exploratory Data Analysis both numerically and graphically, which is always a technique prior to any other statistical analysis. Descriptive statistics and the calculation of probabilities are then developed. Subsequently, the multiple regression model is approached, focusing on the problems of its estimation and diagnosis. It also delves into the generalized linear models and the analysis of variance and covariance models. Dimension reduction techniques are also addressed with special emphasis on principal component analysis and factor analysis. Finally, the segmentation techniques related to hierarchical and non-hierarchical cluster analysis are presented.