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: 5
نویسندگان: William Navidi
سری:
ISBN (شابک) : 1260547884, 9781260547887
ناشر: McGraw-Hill Education
سال نشر: 2019
تعداد صفحات: 941
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 24 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Statistics for Engineers and Scientists 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 برای مهندسان و دانشمندان 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.
Statistics for Engineers and Scientists به دلیل ارائه شفاف آمارهای کاربردی برجسته است. این کتاب رویکردی عملی به روشهای مدلسازی آماری و تجزیه و تحلیل دادهها دارد که اغلب در کارهای علمی استفاده میشوند. این نسخه دارای یک رویکرد منحصر به فرد است که توسط یک سبک نوشتاری جذاب برجسته شده است که مفاهیم دشوار را به وضوح توضیح می دهد، همراه با استفاده از مجموعه داده های دنیای واقعی معاصر، برای کمک به ایجاد انگیزه در دانش آموزان و نشان دادن ارتباط مستقیم با صنعت و تحقیق. متن با تمرکز بر کاربردهای عملی آمار، از مثالهایی برای برانگیختن مفاهیم اساسی و توسعه شهود استفاده گسترده میکند. McGraw-Hill Education's Connect نیز موجود است. Connect تنها سیستم یادگیری یکپارچه ای است که دانش آموزان را با تطبیق مستمر برای ارائه دقیق آنچه نیاز دارند، زمانی که به آن نیاز دارند، چگونه به آن نیاز دارند، توانمند می کند تا زمان کلاس موثرتر باشد. اتصال به استاد این امکان را می دهد که تکالیف، آزمون ها و تست ها را به راحتی تعیین کند و به طور خودکار نمره های کار دانش آموز را ثبت کند. مشکلات برای جلوگیری از اشتراکگذاری پاسخها تصادفیسازی میشوند و ممکن است یک \"راهحل چند مرحلهای\" نیز داشته باشند که در صورت بروز مشکل به پیشرفت یادگیری دانشآموزان کمک میکند.
Statistics for Engineers and Scientists stands out for its crystal clear presentation of applied statistics. The book takes a practical approach to methods of statistical modeling and data analysis that are most often used in scientific work. This edition features a unique approach highlighted by an engaging writing style that explains difficult concepts clearly, along with the use of contemporary real world data sets, to help motivate students and show direct connections to industry and research. While focusing on practical applications of statistics, the text makes extensive use of examples to motivate fundamental concepts and to develop intuition. McGraw-Hill Education's Connect is also available. Connect is the only integrated learning system that empowers students by continuously adapting to deliver precisely what they need, when they need it, how they need it, so that class time is more effective. Connect allows the professor to assign homework, quizzes, and tests easily and automatically grades and records the scores of the student's work. Problems are randomized to prevent sharing of answers an may also have a "multi-step solution" which helps move the students' learning along if they experience difficulty.
Cover Title Page Copyright Page Dedication About The Author Brief Contents Contents Preface Acknowledgments Chapter 1 Sampling and Descriptive Statistics Introduction 1.1 Sampling 1.2 Summary Statistics 1.3 Graphical Summaries Chapter 2 Probability Introduction 2.1 Basic Ideas 2.2 Counting Methods 2.3 Conditional Probability and Independence 2.4 Random Variables 2.5 Linear Functions of Random Variables 2.6 Jointly Distributed Random Variables Chapter 3 Propagation of Error Introduction 3.1 Measurement Error 3.2 Linear Combinations of Measurements 3.3 Uncertainties for Functions of One Measurement 3.4 Uncertainties for Functions of Several Measurements Chapter 4 Commonly Used Distributions Introduction 4.1 The Bernoulli Distribution 4.2 The Binomial Distribution 4.3 The Poisson Distribution 4.4 Some Other Discrete Distributions 4.5 The Normal Distribution 4.6 The Lognormal Distribution 4.7 The Exponential Distribution 4.8 Some Other Continuous Distributions 4.9 Some Principles of Point Estimation 4.10 Probability Plots 4.11 The Central Limit Theorem 4.12 Simulation Chapter 5 Confidence Intervals Introduction 5.1 Large-Sample Confidence Intervals for a Population Mean 5.2 Confidence Intervals for Proportions 5.3 Small-Sample Confidence Intervals for a Population Mean 5.4 Confidence Intervals for the Difference Between Two Means 5.5 Confidence Intervals for the Difference Between Two Proportions 5.6 Small-Sample Confidence Intervals for the Difference Between Two Means 5.7 Confidence Intervals with Paired Data 5.8 Confidence Intervals for the Variance and Standard Deviation of a Normal Population 5.9 Prediction Intervals and Tolerance Intervals 5.10 Using Simulation to Construct Confidence Intervals Chapter 6 Hypothesis Testing Introduction 6.1 Large-Sample Tests for a Population Mean 6.2 Drawing Conclusions from the Results of Hypothesis Tests 6.3 Tests for a Population Proportion 6.4 Small-Sample Tests for a Population Mean 6.5 Large-Sample Tests for the Difference Between Two Means 6.6 Tests for the Difference Between Two Proportions 6.7 Small-Sample Tests for the Difference Between Two Means 6.8 Tests with Paired Data 6.9 Distribution-Free Tests 6.10 Tests with Categorical Data 6.11 Tests for Variances of Normal Populations 6.12 Fixed-Level Testing 6.13 Power 6.14 Multiple Tests 6.15 Using Simulation to Perform Hypothesis Tests Chapter 7 Correlation and Simple Linear Regression Introduction 7.1 Correlation 7.2 The Least-Squares Line 7.3 Uncertainties in the Least-Squares Coefficients 7.4 Checking Assumptions and Transforming Data Chapter 8 Multiple Regression Introduction 8.1 The Multiple Regression Model 8.2 Confounding and Collinearity 8.3 Model Selection Chapter 9 Factorial Experiments Introduction 9.1 One-Factor Experiments 9.2 Pairwise Comparisons in One-Factor Experiments 9.3 Two-Factor Experiments 9.4 Randomized Complete Block Designs 9.5 2P Factorial Experiments Chapter 10 Statistical Quality Control Introduction 10.1 Basic Ideas 10.2 Control Charts for Variables 10.3 Control Charts for Attributes 10.4 The CUSUM Chart 10.5 Process Capability Appendix A: Tables Appendix B: Partial Derivatives Appendix C: Bibliography Answers to Odd-Numbered Exercises Index