دانلود کتاب Statistics: an introduction using R

ترجمه فارسی توضیحات (ترجمه ماشینی)

آمار: مقدمه ای با استفاده از R

نرم افزار کامپیوتری یک ابزار ضروری برای بسیاری از تکنیک های مدل سازی آماری و تجزیه و تحلیل داده ها است که به پیاده سازی مجموعه داده های بزرگ به منظور دستیابی به نتایج مفید کمک می کند. R یکی از قدرتمندترین و انعطاف‌پذیرترین بسته‌های نرم‌افزار آماری موجود است و کاربر را قادر می‌سازد تا طیف گسترده‌ای از روش‌های آماری را از رگرسیون ساده تا مدل‌سازی خطی تعمیم‌یافته را اعمال کند. Statistics: An Introduction using R یک کتاب درسی مقدماتی واضح و مختصر برای تجزیه و تحلیل آماری با استفاده از این نرم افزار قدرتمند و رایگان است و به دنبال موفقیت عنوان پرفروش قبلی نویسنده یعنی Statistical Computing است. * دارای دستورالعمل های گام به گام است که هیچ پیش زمینه ریاضی، آمار یا برنامه نویسی را در نظر نمی گیرد و به غیر آمارشناس کمک می کند تا روش را کاملاً درک کند. * از یک سری مثال های واقع گرایانه استفاده می کند که به صورت گام به گام از ساده ترین موارد، با تأکید بر بررسی مفروضات (مانند ثبات واریانس و نرمال بودن خطاها) و کفایت مدل انتخاب شده برای برازش داده ها، استفاده می کند. * تاکید در سراسر بر تخمین اندازه اثر و فواصل اطمینان است، نه بر آزمون فرضیه. * 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 مدل‌سازی خطی تعمیم‌یافته. . * شامل مثال ها و تمرین های متعدد در هر فصل است. * همراه با یک وب سایت شامل نمونه های کار شده، مجموعه داده ها، تمرین ها و راه حل ها: http://www.imperial.ac.uk/bio/research/crawley/statistics آمار: مقدمه ای با استفاده از R اولین متنی است که چنین مختصری را ارائه می کند. مقدمه ای بر طیف گسترده ای از روش های آماری، در سطحی که به اندازه کافی ابتدایی است که بتواند برای طیف وسیعی از رشته ها جذاب باشد. هدف اصلی آن دانشجویان مقطع کارشناسی در رشته های پزشکی، مهندسی، اقتصاد و زیست شناسی است – اما برای فارغ التحصیلانی که قبلاً این حوزه را پوشش نداده اند یا مایل به تغییر به استفاده از R هستند نیز جذاب خواهد بود.

Statistics: an introduction using R

Computer software is an essential tool for many statistical modelling and data analysis techniques, aiding in the implementation of large data sets in order to obtain useful results. R is one of the most powerful and flexible statistical software packages available, and enables the user to apply a wide variety of statistical methods ranging from simple regression to generalized linear modelling. Statistics: An Introduction using R is a clear and concise introductory textbook to statistical analysis using this powerful and free software, and follows on from the success of the author’s previous best-selling title Statistical Computing. * Features step-by-step instructions that assume no mathematics, statistics or programming background, helping the non-statistician to fully understand the methodology. * Uses a series of realistic examples, developing step-wise from the simplest cases, with the emphasis on checking the assumptions (e.g. constancy of variance and normality of errors) and the adequacy of the model chosen to fit the data. * The emphasis throughout is on estimation of effect sizes and confidence intervals, rather than on hypothesis testing. * Covers the full range of statistical techniques likely to be need 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. * Includes numerous worked examples and exercises within each chapter. * Accompanied by a website featuring worked examples, data sets, exercises and solutions: http://www.imperial.ac.uk/bio/research/crawley/statistics Statistics: An Introduction using R is the first text to offer such a concise introduction to a broad array of statistical methods, at a level that is elementary enough to appeal to a broad range of disciplines. It is primarily aimed at undergraduate students in medicine, engineering, economics and biology – but will also appeal to postgraduates who have not previously covered this area, or wish to switch to using R.