ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Uncertainty analysis of experimental data with R

دانلود کتاب تحلیل عدم قطعیت داده های تجربی با R

Uncertainty analysis of experimental data with R

مشخصات کتاب

Uncertainty analysis of experimental data with R

ویرایش: 1 
نویسندگان:   
سری:  
ISBN (شابک) : 9781498797320, 1498797326 
ناشر: Chapman and Hall/;CRC Press 
سال نشر: 2017 
تعداد صفحات: 207 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت 

قیمت کتاب (تومان) : 47,000

در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد



کلمات کلیدی مربوط به کتاب تحلیل عدم قطعیت داده های تجربی با R: عدم قطعیت (نظریه اطلاعات) -- کتابهای درسی.، احتمالات -- کتابهای درسی.، R (زبان برنامه کامپیوتری)، احتمالات.، عدم قطعیت (نظریه اطلاعات)



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 10


در صورت تبدیل فایل کتاب Uncertainty analysis of experimental data with 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 تحلیل عدم قطعیت داده های تجربی با 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.


توضیحاتی در مورد کتاب تحلیل عدم قطعیت داده های تجربی با R



\"این یک کتاب عالی برای مقاطع کارشناسی، کارشناسی ارشد و فراتر از آن خواهد بود... سبک نوشتن آسان است و نویسنده به خوبی کار طنز اضافه می کند. ادغام برنامه‌نویسی پایه در R با داده‌هایی که برای هر آزمایشی جمع‌آوری می‌شود، بستر قدرتمندی را برای تجزیه و تحلیل داده‌ها فراهم می‌کند... داشتن درک تجزیه و تحلیل داده‌ها که این کتاب ارائه می‌دهد واقعاً به محققان کمک می‌کند داده‌های خود را بررسی کنند و ارزش آن را در نظر بگیرند. از منظرهای متعدد - و این برای افرادی که مجموعه داده‌های کوچک و بزرگ دارند صدق می‌کند! این کتاب همچنین به افراد کمک می‌کند از یک سیستم نرم‌افزاری رایگان و پایه برای پردازش و ترسیم توابع ساده تا پیچیده استفاده کنند.\" Michelle Pantoya، Texas Tech دانشگاه

اندازه‌گیری‌های کمیت‌هایی که به‌صورت پیوسته تغییر می‌کنند، به‌عنوان مثال، فشار گاز، نمی‌توانند دقیقاً اندازه‌گیری شوند و همیشه با این مقادیر اندازه‌گیری شده مقداری عدم قطعیت وجود دارد، بنابراین بسیار مهم است. تا محققان بتوانند این داده ها را کمی سازی کنند. تحلیل عدم قطعیت داده های تجربی با Rروش هایی را برای ارزیابی عدم قطعیت ها در داده های تجربی و همچنین پیش بینی های انجام شده با استفاده از این داده ها با پیاده سازی در R را پوشش می دهد.

< P>

این کتاب در مورد روش‌های اساسی و پیچیده‌تر از جمله رگرسیون خطی، رگرسیون غیرخطی و برازش منحنی هموارسازی هسته، و همچنین رویکردهای سری تیلور، مونت کارلو و بیزی بحث می‌کند.

ویژگی ها:

1. استفاده گسترده از نرم افزار متن باز مدرن (R).

2. نمونه کدهای زیادی ارائه شده است.

3. تجزیه و تحلیل عدم قطعیت مطابق با استانداردهای حرفه ای پذیرفته شده (ASME) است.

4. این کتاب مستقل است و شامل تمام مطالب لازم از جمله فصول آمار و برنامه نویسی در R.

بنجامین دی شاو استاد دانشگاه است. گروه مهندسی مکانیک و هوافضا در دانشگاه کالیفرنیا، دیویس. علایق تحقیقاتی او عمدتاً در جنبه های تجربی و نظری احتراق است. وی در کنار سایر دروس، دروس تجربی مهندسی و تحلیل عدم قطعیت را در مقاطع کارشناسی و کارشناسی ارشد تدریس کرده است. او به طور گسترده ای در مجلات آرشیوی منتشر کرده است و در سال 2003 به عضویت ASME درآمد.


توضیحاتی درمورد کتاب به خارجی

"This would be an excellent book for undergraduate, graduate and beyond….The style of writing is easy to read and the author does a good job of adding humor in places. The integration of basic programming in R with the data that is collected for any experiment provides a powerful platform for analysis of data…. having the understanding of data analysis that this book offers will really help researchers examine their data and consider its value from multiple perspectives – and this applies to people who have small AND large data sets alike! This book also helps people use a free and basic software system for processing and plotting simple to complex functions." Michelle Pantoya, Texas Tech University

Measurements of quantities that vary in a continuous fashion, e.g., the pressure of a gas, cannot be measured exactly and there will always be some uncertainty with these measured values, so it is vital for researchers to be able to quantify this data. Uncertainty Analysis of Experimental Data with R covers methods for evaluation of uncertainties in experimental data, as well as predictions made using these data, with implementation in R.

The books discusses both basic and more complex methods including linear regression, nonlinear regression, and kernel smoothing curve fits, as well as Taylor Series, Monte Carlo and Bayesian approaches.

Features:

1. Extensive use of modern open source software (R).

2. Many code examples are provided.

3. The uncertainty analyses conform to accepted professional standards (ASME).

4. The book is self-contained and includes all necessary material including chapters on statistics and programming in R.

Benjamin D. Shaw is a professor in the Mechanical and Aerospace Engineering Department at the University of California, Davis. His research interests are primarily in experimental and theoretical aspects of combustion. Along with other courses, he has taught undergraduate and graduate courses on engineering experimentation and uncertainty analysis. He has published widely in archival journals and became an ASME Fellow in 2003.



فهرست مطالب

Content: TABLE OF CONTENTS         CHAPTER 1 INTRODUCTION *    What Is This Book About? *    Units *    Physical Constants and Their Uncertainties *    Dimensionless Quantities *    Software *    Topics Covered *    References *    Problems *            CHAPTER 2 ASPECTS OF R *    Getting R *    Using R *    Getting Help *    Libraries and Packages *    Variables *    Vectors *    Arithmetic *    Data Frames *    Exporting Data *    Importing Data *    Internal Mathematical Functions *    Writing Your Own Functions *    Plotting Mathematical Functions *    Loops *    Making Decisions *    Scripts *    Reading Data from Websites *    Matrices and Linear Algebra *    Some Useful Functions and Operations *    Data Frames *    Vectors *    Probability and Statistics *    Plotting *    Matrices and Linear Algebra *    Data/Functions/Libraries/Packages *    Various *    References *    Problems *            CHAPTER 3 STATISTICS *    Populations and Samples *    Mean, Median, Standard Deviation, and Variance of a Sample *    Covariance and Correlation *    Visualizing Data *    Histograms *    Box Plots *    Plotting Data Sets *    Some Plotting Parameters and Commands *    Estimating Population Statistics *    Confidence Interval for the Population Mean Using Student's t Variables *    Confidence Interval for the Population Variance Using Chi-Square Variables *    Confidence Interval Interpretation *    Comparing the Means of Two Samples *    Testing Data for Normality *    Outlier Identification *    Modified Thompson   Technique *    Chauvenet's Criterion *    References *    Problems *            CHAPTER 4 CURVE FITS *    Linear Regression *    Nonlinear Regression *    Kernel Smoothing *    References *    Problems *            CHAPTER 5 UNCERTAINTY OF A MEASURED QUANTITY *    What Is Uncertainty? *    Random Variables *    Measurement Uncertainties *    Elemental Systematic Errors *    Normal Distributions *    Uniform Distributions *    Triangular Distributions *    Coverage Factors *    References *    Problems *            CHAPTER 6 UNCERTAINTY OF A RESULT CALCULATED USING EXPERIMENTAL DATA *    Taylor Series Approach *    Coverage Factors *    The Kline-McClintock Equation *    Balance Checks *    References *    Problems *                 CHAPTER 7 TAYLOR SERIES UNCERTAINTY OF A LINEAR REGRESSION CURVE FIT... *    Curve-fit Expressions... *    Cases to Consider... *    Case 1: No Errors and No Correlations *    Case 2: Random Errors Only *    Case 3: Random and Systematic Errors *    General Linear Regression Theory *    Uncertainties in Regression Coefficients *    Evaluating Uncertainties with Built-in R functions *    References *    Problems *            CHAPTER 8 MONTE CARLO METHODS *    Overall Monte Carlo Approach *    Random Number Generation *    Accept/Reject Method *    Inverse-cdf Method *    Random Sampling *    Uncertainty of a Measured Variable *    Bootstrapping with Internal Functions in R *    Monte Carlo Convergence Criteria *    Uncertainty of a Result Calculated Using Experimental Data *    Uncertainty Bands for Linear Regression Curve Fits *    Uncertainty Bands for a Curve Fit with Kernel Smoothing *    References *    Problems *            CHAPTER 9 THE BAYESIAN APPROACH *    Bayes Theorem for Probability Density Functions *    Bayesian Estimation of the Mean and Standard Deviation of a Normal Population *    References *    Problems *            APPENDIX PROBABILITY DENSITY FUNCTIONS *    Univariate pdfs *    Normal Distribution *    Uniform Distribution *    Triangular Distribution *    Student's t Distribution *    Chi-Square Distribution *    Multivariate pdfs *    Marginal Distributions *    References *




نظرات کاربران