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 H. Herzog, Gregory Francis, Aaron Clarke سری: Learning Materials In Biosciences ISBN (شابک) : 3030034984, 9783030034986 ناشر: Springer سال نشر: 2019 تعداد صفحات: 146 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 Mb
در صورت تبدیل فایل کتاب Understanding Statistics And Experimental Design: How To Not Lie With Statistics 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 درک آمار و طراحی تجربی: چگونه با آمار دروغ نگوییم 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 درسی با دسترسی آزاد، زمینه لازم برای استفاده صحیح، تفسیر و درک آمار و داده های آماری را در تنظیمات مختلف فراهم می کند. بخش اول مفاهیم کلیدی در آمار را به راحتی روشن می کند. بخشهای I و II مروری بر رایجترین آزمونها (آزمون t، ANOVA، همبستگی) ارائه میکنند و اصول آماری آنها را بررسی میکنند. بخش سوم بینشی در مورد فراآمار (آمار آمار) ارائه می دهد و نشان می دهد که چرا آزمایش ها اغلب تکرار نمی شوند. در نهایت، کتاب درسی نشان می دهد که چگونه می توان با استفاده از طراحی آزمایشی هوشمندانه از آمارهای پیچیده جلوگیری کرد. هم افراد غیر دانشمند و هم دانشجویان رشته های زیست شناسی، زیست پزشکی و مهندسی با یادگیری مبانی آماری ادعاهای علمی و با کشف راه هایی برای ارزیابی کیفیت گزارش های علمی در مجلات دانشگاهی و خبرگزاری ها از این کتاب بهره مند خواهند شد.
This open access textbook provides the background needed to correctly use, interpret and understand statistics and statistical data in diverse settings. Part I makes key concepts in statistics readily clear. Parts I and II give an overview of the most common tests (t-test, ANOVA, correlations) and work out their statistical principles. Part III provides insight into meta-statistics (statistics of statistics) and demonstrates why experiments often do not replicate. Finally, the textbook shows how complex statistics can be avoided by using clever experimental design. Both non-scientists and students in Biology, Biomedicine and Engineering will benefit from the book by learning the statistical basis of scientific claims and by discovering ways to evaluate the quality of scientific reports in academic journals and news outlets.
Front Matter ....Pages i-xi
Front Matter ....Pages 1-1
Basic Probability Theory (Michael H. Herzog, Gregory Francis, Aaron Clarke)....Pages 3-11
Experimental Design and the Basics of Statistics: Signal Detection Theory (SDT) (Michael H. Herzog, Gregory Francis, Aaron Clarke)....Pages 13-22
The Core Concept of Statistics (Michael H. Herzog, Gregory Francis, Aaron Clarke)....Pages 23-50
Variations on the t-Test (Michael H. Herzog, Gregory Francis, Aaron Clarke)....Pages 51-59
Front Matter ....Pages 61-61
The Multiple Testing Problem (Michael H. Herzog, Gregory Francis, Aaron Clarke)....Pages 63-66
ANOVA (Michael H. Herzog, Gregory Francis, Aaron Clarke)....Pages 67-82
Experimental Design: Model Fits, Power, and Complex Designs (Michael H. Herzog, Gregory Francis, Aaron Clarke)....Pages 83-94
Correlation (Michael H. Herzog, Gregory Francis, Aaron Clarke)....Pages 95-102
Front Matter ....Pages 103-103
Meta-analysis (Michael H. Herzog, Gregory Francis, Aaron Clarke)....Pages 105-110
Understanding Replication (Michael H. Herzog, Gregory Francis, Aaron Clarke)....Pages 111-121
Magnitude of Excess Success (Michael H. Herzog, Gregory Francis, Aaron Clarke)....Pages 123-131
Suggested Improvements and Challenges (Michael H. Herzog, Gregory Francis, Aaron Clarke)....Pages 133-142