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 Introduction to R for Terrestrial Ecology: Basics of Numerical Analysis, Mapping, Statistical Tests and Advanced Application of R

دانلود کتاب مقدمه ای بر R برای اکولوژی زمینی: مبانی آنالیز عددی، نقشه برداری، آزمون های آماری و کاربرد پیشرفته R

Introduction to R for Terrestrial Ecology: Basics of Numerical Analysis, Mapping, Statistical Tests and Advanced Application of R

مشخصات کتاب

Introduction to R for Terrestrial Ecology: Basics of Numerical Analysis, Mapping, Statistical Tests and Advanced Application of R

ویرایش:  
نویسندگان: , ,   
سری:  
ISBN (شابک) : 9783030276027, 3030276023 
ناشر: Springer 
سال نشر:  
تعداد صفحات: 167 
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



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 9


در صورت تبدیل فایل کتاب Introduction to R for Terrestrial Ecology: Basics of Numerical Analysis, Mapping, Statistical Tests and Advanced Application of 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 مقدمه ای بر R برای اکولوژی زمینی: مبانی آنالیز عددی، نقشه برداری، آزمون های آماری و کاربرد پیشرفته 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 درمورد کتاب به خارجی



فهرست مطالب

Acknowledgments\nAbout the Book\nContents\nAbout the Authors\nList of Figures\nList of Tables\n1: Types of Data in R\n	1.1	 Vectors\n		1.1.1	 Numerical Vectors\n			1.1.1.1	 Creating a Numerical Vector\n			1.1.1.2	 Manipulating a Numerical Vector\n		1.1.2	 Character Vectors\n		1.1.3	 Logical Vectors\n		1.1.4	 Selecting, Removing, and Adding Elements with Vectors\n			1.1.4.1	 Selecting Elements from a Vector\n			1.1.4.2	 Removing Elements from a Vector\n			1.1.4.3	 Adding Elements to a Vector\n	1.2	 Matrices\n		1.2.1	 Manipulating a Matrix\n	1.3	 Data Frames and Lists\n		1.3.1	 Creating a Data Frame\n		1.3.2	 Selecting Data Within Data Frames\n		1.3.3	 Removing Elements from a Data Frame\n		1.3.4	 Adding Elements to a Data Frame\n		1.3.5	 Additional Operations on Data Frames\n	1.4	 Missing Data\n		1.4.1	 Removing Missing Values\n		1.4.2	 Replacing Missing Values\n	1.5	 Outliers\n		1.5.1	 Transforming Outliers\n		1.5.2	 Removing Outliers\n2: Numerical Analysis\n	2.1	 Basic Numerical Analyses\n		2.1.1	 Determining Biological Spectrum\n		2.1.2	 Determining Share of Species Within a Community\n	2.2	 Advanced Numerical Analyses\n		2.2.1	 Biodiversity Indices\n			2.2.1.1	 Calculating Alpha Biodiversity Indices with Formulas\n				2.2.1.1.1 Shannon Index\n				2.2.1.1.2 Simpson Index\n			2.2.1.2	 Calculating Alpha Biodiversity Indices with the “Vegan” Packages\n				2.2.1.2.1 Richness\n				2.2.1.2.2 Shannon Index\n				2.2.1.2.3 Simpson Index\n			2.2.1.3	 Calculating Beta Biodiversity Indices with the “Vegan” Package\n				2.2.1.3.1 Sorensen Index\n				2.2.1.3.2 Jaccard Distance\n		2.2.2	 Additional Examples\n			2.2.2.1	 Aggregating Values\n			2.2.2.2	 Statistical Parameters\n			2.2.2.3	 Clustering\n			2.2.2.4	 Gathering Results\n3: Creating Maps\n	3.1	 Number of National Parks in the US\n		3.1.1	 Number of National Parks: Selecting States\n	3.2	 Locations of Endemic Species in Serbia\n	3.3	 Package “rgbif”\n		3.3.1	 Occurrence of Single Species\n		3.3.2	 Occurrence of More than One Species\n4: Basic Statistical Tests\n	4.1	 Independent t-test\n	4.2	 Dependent t-test\n	4.3	 One-Way ANOVA\n	4.4	 Two-Way ANOVA\n5: Predictive Modeling with Machine Learning Applications\n	5.1	 Machine Learning Basics\n	5.2	 Model Assessment\n	5.3	 Machine Learning Algorithms\n		5.3.1	 Decision Trees\n		5.3.2	 Random Forest\n		5.3.3	 Boosted Regression Trees\n		5.3.4	 Stacked Ensemble\n	5.4	 Case Study: Modeling the Distribution of Western Larch (Larix occidentalis) Under Recent Past and Future Climate Across Western North America\n		5.4.1	 Generating Hypotheses\n		5.4.2	 Data Gathering and Preparation\n		5.4.3	 Model Development\n		5.4.4	 Model Assessment\n		5.4.5	 Model Prediction to Historical and Future Climates\n		5.4.6	 Further Reading\nAppendix 1\nAppendix 2\nAppendix 3\nList of the R Packages Used in the Book (Alphabetical Order)\nReferences




نظرات کاربران