تبلیغات
انجمن علمی آمار دانشگاه شیراز - دانلود نرم افزار آماری R 2.15
 
انجمن علمی آمار دانشگاه شیراز
درباره وبلاگ



مدیر وبلاگ : احسان عصاری
نویسندگان
آمار وبلاگ
  • کل بازدید :
  • بازدید امروز :
  • بازدید دیروز :
  • بازدید این ماه :
  • بازدید ماه قبل :
  • تعداد نویسندگان :
  • تعداد کل پست ها :
  • آخرین بازدید :
  • آخرین بروز رسانی :



 R یک نرم افزار جامع به همراه امکانات ویژه برای به تحلیل اطلاعات است. این نرم افزار رایگان قابل دانلود می باشد.

R دارای خصوصیاتی از قبیل:

1)اداره موثر اطلاعات و امکان نگهداری آنها

2)یک مکان ویژه عملگر برای حساب آرایه ها در ماتریس ها

3)یک مجموعه بزرگ،منسجم و جامع ابزار های واسطه برای آنالیز داده ها

4)امکانات گرافیکی برای آنالیز داده ها

5)یک برنامه توسعه یافته،آسان و با زبان برنامه نویسی مناسب

6)R یک نرم افزار آماری برای به کار بردن روش های توسعه یافته اخیر حاصل از تعامل آنالیز داده ها است.

این نرم افزار به سرعت در حال رشد است و به وسیله مجموعه بزرگی از پکیج ها توسعه یافته است.



لینک دانلود در ادامه مطلب ....

 

R و آمار

تعداد زیادی از آمار شناسان از  R   برای کارهای آماری استفاده می کنند.ما به این نرم افزار به عنوان یک محیط داخلی که بسیاری از تکنیک های آماری مدرن را اجرا می کند می نگریم. این عملیات بخش کوچکی از پایه محیط برنامه نویسی R را می سازند.

 

پکیج های R

بخش مهمی از پایه محیط برنامه نویسی Rرا پکیج ها فراهم می کنند.

تقریبا25پکیج توسط R فراهم شده است،مانند پکیج های standard   و  recommended و دیگر پکیج ها.

همه ی دستور العمل های Rو مجموعه اطلاعات در پکیج ها ذخیره شده اند. تنها زمانی  که یک پکیج اجرا شده باشد محتوای آن در دسترس است.

 

 

Other types of objects

Vectors are the most important type of object in R, but there are several others which we will

meet more formally in later sections.

_ matrices or more generally arrays are multi-dimensional generalizations of vectors. In fact,

they are vectors that can be indexed by two or more indices and will be printed in special

ways.

_ factors provide compact ways to handle categorical data.

_ lists are a general form of vector in which the various elements need not be of the same

type, and are often themselves vectors or lists. Lists provide a convenient way to return the

results of a statistic_ data frames are matrix-like structures, in which the columns can be of different types. Think

of data frames as ‘data matrices’ with one row per observational unit but with (possibly)

both numerical and categorical variables. Many experiments are best described by data

frames: the treatments are categorical but the response is numeric.

_ functions are themselves objects in R which can be stored in the project’s workspace. This

provides a simple and convenie

 

Statistical models in R

This section presumes the reader has some familiarity with statistical methodology, in particular

with regression analysis and the analysis of variance. Later we make some rather more ambitious

presumptions, namely that something is known about generalized linear models and nonlinear

regression.

The requirements for fitting statistical models are sufficiently well defined to make it possible

to construct general tools that apply in a broad spectrum of problems.

R provides an interlocking suite of facilities that make fitting statistical models very simple.

As we mention in the introduction, the basic output is minimal, and one needs to ask for the

details by calling extr

 

 

The outer product of two arrays

An important operation on arrays is the outer product. If a and b are two numeric arrays,

their outer product is an array whose dimension vector is obtained by concatenating their two

dimension vectors (order is important), and whose data vector is got by forming all possible

products of elements of the data vector of a with those of b. The outer product is formed by

the special operator %o%:

> ab <- a %o% b

An alternative is

> ab <- outer(a, b, "*")

The multiplication function can be replaced by an arbitrary function of two variables. For

example if we wished to evaluate the function f(x; y) = cos(y)=(1 + x2) over a regular grid of

values with x- and y-coordinates defined by the R vectors x and y respectively, we could proceed

as follows:

> f <- function(x, y) cos(y)/(1 + x^2)

> z <- outer(x, y, f)

In particular the outer product of two ordinary vectors is a doubly subscripted array (that

is a matrix, of rank at most 1). Notice that the outer product operator is of course noncommutative.

Defining your own R functions will be considered further in Chapter 10 [Writing

your own functions], page 42.

An example: Determinants of 2 by 2 single-digit matrices

As an artificial but cute example, consider the determinants of 2 by 2 matrices [a; b; c; d] where

each entry is a non-negative integer in the range 0; 1; : : : ; 9, that is a digit.

The problem is to find the determinants, ad


Download R 2.15.0 for Windows----47 megabytes, 32/64 bit





نوع مطلب : نرم افزار، 
برچسب ها :

       نظرات
دوشنبه 8 خرداد 1391
احسان عصاری