کتاب R و آزمون‌های ناپارامتری برای داده‌های کوچک با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره R و آزمون‌های ناپارامتری برای داده‌های کوچک

موضوع کلی: آمار و تحلیل داده با زبان R

موضوع میانی: آزمون‌های ناپارامتری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر آمار ناپارامتری
• 2. آشنایی با مفاهیم احتمال و توزیع
• 3. نمونه‌گیری تصادفی و انواع آن
• 4. آمار توصیفی برای داده‌های کوچک
• 5. معرفی زبان برنامه‌نویسی R
• 6. نصب و راه‌اندازی R و RStudio
• 7. مبانی کار با داده‌ها در R
• 8. وارد کردن و خروجی گرفتن از داده‌ها
• 9. دستکاری و پاکسازی داده‌ها در R
• 10. توصیف داده‌ها با استفاده از R
• 11. آزمون علامت‌ها (Sign Test)
• 12. آزمون رتبه‌‌ای ویلکاکسون (Wilcoxon Rank-Sum Test)
• 13. آزمون رتبه‌‌ای علامت‌دار ویلکاکسون (Wilcoxon Signed-Rank Test)
• 14. آزمون کروسکال-والیس (Kruskal-Wallis Test)
• 15. آزمون فریدمن (Friedman Test)
• 16. آزمون من-ویتنی یو (Mann-Whitney U Test)
• 17. مقایسه روش‌های ناپارامتری با روش‌های پارامتری
• 18. تحلیل داده‌های رتبه‌ای
• 19. بررسی فرضیات آزمون‌های ناپارامتری
• 20. آزمون‌های یک‌طرفه و دوطرفه
• 21. محاسبه اندازه اثر در آزمون‌های ناپارامتری
• 22. توان آزمون‌های ناپارامتری
• 23. اعتبارسنجی نتایج آزمون‌های ناپارامتری
• 24. تحلیل واریانس ناپارامتری
• 25. رگرسیون ناپارامتری
• 26. تحلیل همبستگی رتبه‌ای اسپیرمن (Spearman's Rank Correlation)
• 27. تحلیل همبستگی کندال تاو (Kendall's Tau Correlation)
• 28. کاربرد آزمون‌های ناپارامتری در علوم اجتماعی
• 29. کاربرد آزمون‌های ناپارامتری در علوم زیستی
• 30. کاربرد آزمون‌های ناپارامتری در مهندسی
• 31. تحلیل داده‌های کیفی با استفاده از R
• 32. نمایش گرافیکی داده‌ها در R
• 33. ایجاد گزارش‌های آماری با R
• 34. مقدمه‌ای بر بسته‌های آماری در R
• 35. بسته `stats` و توابع ناپارامتری
• 36. بسته `coin` برای آزمون‌های دقیق
• 37. بسته `nparTestFC` برای آزمون‌های ناپارامتری
• 38. بسته `PMCMRplus` برای آزمون‌های چندمقایسه‌ای
• 39. تحلیل داده‌های گسسته با R
• 40. آزمون‌های تقریب نرمال
• 41. آزمون‌های مبتنی بر رتبه‌بندی
• 42. روش‌های بوت‌استرپ در آمار ناپارامتری
• 43. اعتبارسنجی مدل با استفاده از روش‌های ناپارامتری
• 44. تحلیل حساسیت در آزمون‌های ناپارامتری
• 45. برنامه‌نویسی توابع ناپارامتری در R