SOWA OPAC : Katalog komputerowy książek, czasopism i zbiorów specjalnych

13 wyników

Brak okładki

Książka

W koszyku

Analiza logarytmiczno-liniowa : teoria i zastosowania z wykorzystaniem programu R / Justyna Brzezińska. - Warszawa : Wydawnictwo C. H. Beck, 2015. - 179, [1] s. : il. (w tym kolor.) ; 24 cm.

(Metody Ilościowe)

Autor

Brzezińska Justyna (nauki ekonomiczne).

Temat

Dane R (język programowania) Nauki społeczne

Bibliogr. s. 157-[176].

Dla pracowników naukowych zajmujących się zastosowaniem metod analizy danych ilościowych w naukach społecznych, a w szczególności w psychologii, socjologii, ekonomii czy politologii.

Sygnatura czytelni BMW: IV A 2 (nowy)

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka Międzywydziałowa

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 140535 N (1 egz.)

Książka

W koszyku

Data Science : programowanie, analiza i wizualizacja danych z wykorzystaniem języka R / Freeman Michael, Joel Ross ; tłumaczenie Tomasz Walczak. - Gliwice : Helion, copyright 2020. - 360 stron : ilustracje ; 24 cm.

Autor

Freeman Michael Ross Joel E. (1922- ). Walczak Tomasz tłumacz).

Forma i typ

Książki Publikacje dydaktyczne Publikacje fachowe

Temat

R (język programowania) Analiza danych Data mining

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Tytuł oryginału: Programming skills for Data Science : start writing code to wrangle, analyze, and visualize data with R.

Indeks.

Dla analityków danych.

Rozdział 1 Przygotowywanie komputera23 1.1.Przygotowywanie narzędzi używanych w wierszu poleceń24 1.1.1. Wiersz poleceń w systemie macOS24 1.1.2. Wiersz poleceń w systemie Windows25 1.1.3. Wiersz poleceń w systemie Linux25 1.2.Instalowanie systemu git25 1.3.Tworzenie konta w serwisie GitHub26 1.4.Wybieranie edytora tekstu26 1.4.1. Atom26 1.4.2. Visual Studio Code27 1.4.3. Sublime Text27 1.5.Pobieranie języka R28 1.6.Pobieranie środowiska RStudio28 Rozdział 2 Używanie wiersza poleceń31 2.1.Uruchamianie wiersza poleceń31 2.2.Poruszanie się w systemie plików32 2.2.1. Przechodzenie do innego katalogu33 2.2.2. Wyświetlanie listy plików35 2.2.3. Ścieżki35 2.3.Zarządzanie plikami37 2.3.1. Uczenie się nowych instrukcji37 2.3.2. Symbole wieloznaczne39 2.4.Radzenie sobie z błędami40 2.5.Przekierowywanie danych wyjściowych41 2.6.Polecenia związane z siecią42 CZĘŚĆ II Zarządzanie projektami45 Rozdział 3 Kontrola wersji z użyciem systemu git i serwisu GitHub47 3.1.Czym jest git?47 3.1.1. Podstawowe zagadnienia związane z systemem git48 3.1.2. Czym jest GitHub?49 3.2.Konfigurowanie narzędzi i tworzenie projektu50 3.2.1. Tworzenie repozytorium51 3.2.2. Sprawdzanie stanu51 3.3.Śledzenie zmian w projekcie52 3.3.1. Dodawanie plików53 3.3.2. Zatwierdzanie54 3.3.3. Proces używania systemu git55 3.4.Zapisywanie projektów w witrynie GitHub56 3.4.1. Forki i klonowanie57 3.4.2. Wysyłanie i pobieranie59 3.5.Dostęp do historii projektu60 3.5.1. Historia rewizji60 3.5.2. Powrót do starszych wersji61 3.6.Ignorowanie plików w projekcie62 Rozdział 4 Tworzenie dokumentacji za pomocą języka Markdown65 4.1.Pisanie kodu w języku Markdown65 4.1.1. Formatowanie tekstu66 4.1.2. Bloki tekstu66 4.1.3. Hiperłącza67 4.1.4. Rysunki67 4.1.5. Tabele68 4.2.Wyświetlanie dokumentów w języku Markdown68 CZĘŚĆ III Podstawowe umiejętności z zakresu języka R71 Rozdział 5 Wprowadzenie do języka R73 5.1.Programowanie z użyciem języka R73 5.2.Uruchamianie kodu w języku R74 5.2.1. Używanie środowiska RStudio74 5.2.2. Używanie języka R w wierszu poleceń76 5.3.Dodawanie komentarzy78 5.4.Definiowanie zmiennych78 5.4.1. Podstawowe typy danych80 5.5.Szukanie pomocy83 5.5.1. Nauka uczenia się języka R84 Rozdział 6 Funkcje89 6.1.Czym jest funkcja?89 6.1.1. Składnia funkcji w języku R90 6.2.Wbudowane funkcje języka R91 6.2.1. Argumenty nazwane92 6.3.Wczytywanie funkcji93 6.4.Pisanie funkcji95 6.4.1. Debugowanie funkcji97 6.5.Instrukcje warunkowe98 Rozdział 7 Wektory101 7.1.Czym jest wektor?101 7.1.1. Tworzenie wektorów101 7.2.Operacje wektorowe102 7.2.1. Ponowne używanie elementów104 7.2.2. Prawie wszystko jest wektorem105 7.2.3. Funkcje wektorowe105 7.3.Indeksy w wektorach107 7.3.1. Listy indeksów108 7.4.Filtrowanie wektorów109 7.5.Modyfikowanie wektorów110 Rozdział 8 Listy113 8.1.Czym jest lista?113 8.2.Tworzenie list114 8.3.Dostęp do elementów listy115 8.4.Modyfikowanie list117 8.4.1. Pojedyncze i podwójne nawiasy kwadratowe118 8.5.Stosowanie funkcji do list za pomocą wywołania lapply()119 CZĘŚĆ IV Przekształcanie danych121 Rozdział 9 Jak zrozumieć dane?123 9.1.Proces generowania danych123 9.2.Wyszukiwanie danych124 9.3.Rodzaje danych126 9.3.1. Skale pomiarowe126 9.3.2. Struktury danych127 9.4.Interpretowanie danych129 9.4.1. Zdobywanie wiedzy w danej dziedzinie129 9.4.2. Jak zrozumieć schematy danych?131 9.5.Odpowiadanie na pytania na podstawie danych133 Rozdział 10 Ramki danych135 10.1. Czym jest ramka danych?135 10.2. Praca z ramkami danych136 10.2.1. Tworzenie ramek danych136 10.2.2. Opisywanie struktury ramek danych137 10.2.3. Dostęp do ramek danych138 10.3. Praca z danymi CSV139 10.3.1. Katalog roboczy140 10.3.2. Zmienne w postaci faktorów142 Rozdział 11 Operowanie danymi za pomocą pakietu dplyr145 11.1. Gramatyka operowania danymi145 11.2.Podstawowe funkcje pakietu dplyr146 11.2.1. Pobieranie (funkcja selekt())147 11.2.2. Filtrowanie (funkcja filter())149 11.2.3. Dodawanie kolumn (funkcja mutate())150 11.2.4. Sortowanie danych (funkcja arrange())151 11.2.5. Tworzenie podsumowań (funkcja summarize())152 11.3.Wykonywanie operacji sekwencyjnych153 11.3.1. Operator potoku154 11.4.Analizowanie ramek danych z wykorzystaniem grupowania155 11.5.Złączanie ramek danych157 11.6.Pakiet dplyr w praktyce — analizowanie danych na temat lotów162 Rozdział 12 Porządkowanie danych za pomocą pakietu tidyr169 12.1.Czym jest porządkowanie danych?169 12.2.Od kolumn do wierszy — gather()171 12.3.Z wierszy na kolumny — spread()172 12.4.Pakiet tidyr w praktyce — eksplorowanie statystyk na temat edukacji174 Rozdział 13 Dostęp do bazy danych181 13.1.Przegląd relacyjnych baz danych181 13.1.1. Czym jest relacyjna baza danych?182 13.1.2. Tworzenie relacyjnej bazy danych184 13.2.Wstęp do języka SQL185 13.3.Dostęp do bazy danych w języku R189 Rozdział 14 Używanie internetowych interfejsów API193 14.1.Czym jest internetowy interfejs API?193 14.2.Żądania REST194 14.2.1. Identyfikatory URI194 14.2.2. Operacje (czasowniki) z protokołu HTTP201 14.3.Dostęp do internetowych interfejsów API w R201 14.4.Przetwarzanie danych w formacie JSON203 14.4.1. Przetwarzanie danych w formacie JSON205 14.4.2. Spłaszczanie danych207 14.5.Interfejsy API w praktyce — znajdowanie kubańskiego jedzenia w Seattle209 CZĘŚĆ V Wizualizacje danych215 Rozdział 15 Projektowanie wizualizacji danych217 15.1.Cel wizualizacji217 15.2.Wybieranie układu graficznego219 15.2.1. Wizualizowanie jednej zmiennej220 15.2.2. Wizualizowanie wielu zmiennych223 15.2.3. Wizualizowanie danych hierarchicznych227 15.3.Wybieranie skutecznego kodowania graficznego229 15.3.1. Skuteczne kolory231 15.3.2. Wykorzystanie atrybutów przed u wagowych234 15.4.Ekspresywne prezentacje danych236 15.5.Zwiększanie estetyki238 Rozdział 16 Tworzenie wizualizacji za pomocą pakietu ggplot2241 16.1.Gramatyka grafiki241 16.2.Tworzenie podstawowych wykresów za pomocą ggplot2242 16.2.1. Określanie obiektów geometrycznych245 16.2.2. Odwzorowania aspektów estetycznych247 16.3.Złożone układy i dostosowywanie opcji248 16.3.1. Dostosowywanie pozycji248 16.3.2. Zmienianie stylu za pomocą skal250 16.3.3. Układ współrzędnych253 16.3.4. Fasety254 16.3.5. Etykiety i uwagi255 16.4.Tworzenie map257 16.4.1. Kartogramy258 16.4.2. Mapy punktowe261 16.5.Pakiet ggplot2 w praktyce — mapa eksmisji w San Francisco262 Rozdział 17 Interaktywne wizualizacje w języku R267 17.1.Pakiet plotly269 17.2.Pakiet rbokeh271 17.3.Pakiet leaflet273 17.4.Interaktywne wizualizacje w praktyce — analizowanie zmian w Seattle276 CZĘŚĆ VI Tworzenie i udostępnianie aplikacji281 Rozdział 18 Tworzenie dynamicznych raportów za pomocą platformy R Markdown283 18.1.Konfigurowanie raportu283 18.1.1. Tworzenie plików .rmd284 18.1.2. Kompilowanie dokumentów286 18.2.Integrowanie tekstu w formacie Markdown i kodu w języku R287 18.2.1. Wykonywalne fragmenty kodu w języku R287 18.2.2. Kod wewnątrzwierszowy288 18.3.Wyświetlanie danych i wizualizacji w raportach289 18.3.1. Wyświetlanie łańcuchów znaków289 18.3.2. Wyświetlanie list w formacie Markdown290 18.3.3. Wyświetlanie tabel291 18.3.4. Wyświetlanie wykresów292 18.4.Udostępnianie raportów jako stron internetowych293 18.5.Platforma R Markdown w praktyce — raport na temat oczekiwanej długości życia295 Rozdział 19 Tworzenie interaktywnych aplikacji internetowych za pomocą platformy Shiny301 19.1.Platforma Shiny301 19.1.1. Podstawowe zagadnienia dotyczące platformy Shiny302 19.1.2. Struktura aplikacji303 19.2.Projektowanie interfejsów użytkownika307 19.2.1. Treści statyczne308 19.2.2. Dynamiczne dane wejściowe310 19.2.3. Dynamiczne dane wyjściowe311 19.2.4. Układy312 19.3.Tworzenie serwerów aplikacji315 19.4.Publikowanie aplikacji na platformę Shiny318 19.5.Platforma Shiny w praktyce — wizualizacja śmiertelnych postrzeleń przez policję320 Rozdział 20 Praca zespołowa327 20.1.Śledzenie różnych wersji kodu za pomocą gałęzi327 20.1.1. Praca z różnymi gałęziami329 20.1.2. Scalanie gałęzi332 20.1.3. Scalanie a konflikty333 20.1.4. Scalanie w serwisie GitHub335 20.2.Prowadzenie projektów z użyciem gałęzi funkcji337 20.3.Współpraca w ramach scentralizowanego procesu pracy338 20.3.1. Tworzenie centralnego repozytorium339 20.3.2. Używanie gałęzi funkcji w scentralizowanym procesie pracy341 20.4.Współpraca w procesie pracy z użyciem forków342 Rozdział 21 Dalsza nauka347 21.1.Uczenie statystyczne347 21.1.1. Ocena zależności347 21.1.2. Prognozowanie348 21.2.Inne języki programowania348 21.3.Odpowiedzialność etyczna349

Sygnatura czytelni BWEAiI: XII L 47

aktualnie wypożyczona

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Wszystkie egzemplarze są obecnie wypożyczone: sygn. 149934 N (1 egz.)

Książka

W koszyku

Statystyczna analiza danych z wykorzystaniem programu R / redaktor naukowy Marek Walesiak, Eugeniusz Gatnar ; autorzy: Andrzej Bqk, Andrzej Dudek, Eugeniusz Gatnar, Iwona Kasprzyk, Dorota Rozmus, Mirosława Sztemberg-Lewandowska, Joanna Trzęsiok, Michał Trzęsiok, Marek Walesiak, Ewa Witek, Artur Zaborski. - Wydanie 1 - 3 dodruk. - Warszawa : Wydawnictwo Naukowe PWN, 2012. - 468 stron : ilustracje ; 24 cm.

Autor

Gatnar Eugeniusz (1960- ) Walesiak Marek (1957- ) Bąk Andrzej (1961- ) Dudek Andrzej Kasprzyk Iwona Rozmus Dorota Sztemberg-Lewandowska Mirosława Trzęsiok Joanna Trzęsiok Michał Witek Ewa Zaborski Artur

Forma i typ

Książki Publikacje dydaktyczne Publikacje naukowe

Odbiorca

Szkoły wyższe

Temat

R (język programowania) Programy komputerowe Metody statystyczne Analiza wielowymiarowa Statystyka

Gatunek

Podręcznik Monografia

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Bibliografia przy rozdziałach. Indeks.

Dla studentów informatyki, ekonometrii oraz innych kierunków ekonomicznych, socjologii oraz ekonomistów, psychologów, socjologów, biologów, medyków, botaników i archeologów.

1.Wprowadzenie do programu R 1.1.Tryby pracy w środowisku R 1.2.Funkcja print 1.3.Pakiety 1.4.System pomocy 1.5.Podstawy języka R 1.6.Praca w trybie wsadowym 1.7.Rcmdr 2.Podstawowe zagadnienia statystycznej analizy wielowymiarowej 2.1.Typy skal pomiarowych i ich charakterystyka 2.2.Transformacja normalizacyjna 2.3.Miary odległości 2.4.Charakterystyki rozkładu wielu zmiennych 2.5.Generowanie danych 3.Graficzna prezentacja danych 3.1.Parametry graficzne 3.2.Wybrane funkcje narzędziowe trybu graficznego środowiska R 3.3.Graficzna prezentacja rozkładów zmiennych 3.4.1.Wykresy związane z gęstością rozkładu 3.4.2.Wykres pudełkowy (boxplot) 3.5.Graficzna prezentacja danych w przestrzeni dwuwymiarowej 3.5.1.Wykresy rozrzutu danych metrycznych (scatterplot) 3.5.2.Wykresy rozrzutu trzech zmiennych metrycznych (bubbleplof) 3.5.3.Wykresy rozrzutu dwóch zmiennych metrycznych dla każdego poziomu trzeciej zmiennej niemetrycznej (trellis graphics) 3.5.4.Wykresy funkcji matematycznych 3.5.5.Wykres rozrzutu dla danych niemetrycznych 3.5.6.Wykres rozrzutu dla danych symbolicznych interwałowych 3.6.Graficzna prezentacja danych w przestrzeni trójwymiarowej 3.6.1.Wykres dla danych metrycznych w przestrzeni trójwymiarowej 3.6.2.Wykres dla danych niemetrycznych w przestrzeni trójwymiarowej 4.Analiza wariancji 5.Analiza regresji wielorakiej 6.Nieparametryczne metody regresji 7.Analiza dyskryminacyjna 8.Drzewa klasyfikacyjne i regresyjne 9.Drzewa klasyfikacyjne i regresyjne — podejście wielomodelowe 11.Analiza czynnikowa 12.Skalowanie wielowymiarowe 13.Analiza korespondencji 14.Analiza skupień 15.Analiza skupień — podejście modelowe

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 151851 N, 155191 N, 155190 N (3 egz.)

Brak okładki

Książka

W koszyku

Wydajne programowanie w R : praktyczny przewodnik po lepszym programowaniu / Colin Gillespie, Robin Lovelace ; przekład Krzysztof Kapustka. - Warszawa : APN Promise, 2018. - XIII, 225 stron : ilustracje ; 23 cm.

Autor

Gillespie Colin. Lovelace Robin. Kapustka Krzysztof.

Forma i typ

Książki Publikacje fachowe

Temat

R (język programowania)

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Tytuł oryginału: Efficient R programming.

Na okładce i karcie tytułowej: OʾReilly®.

Bibliografia na stronach 211-214. Indeks.

Czym jest wydajność? Czym jest wydajne programowanie w R? Dlaczego wydajność? Umiejętności uniwersalne zapewniające wydajność Pisanie bezwzrokowe Spójny styl i konwencje kodowania Testy porównawcze i profilowanie Wykonywanie testów porównawczych Przykład testu porównawczego Profilowanie Materiały do książki Pakiet R Wersja online Lektura uzup ełniająca Wydajna konfiguracja Pięć głównych wskazówek dla zapewnienia wydajnej konfiguracji R System operacyjny Monitorowanie systemu operacyjnego i zasobów Wersje R Instalowanie R Aktualizowanie R Instalowanie pakietów R Instalowanie pakietów R z zależnościami Aktualizowanie pakietów R Uruchamianie R Argumenty uruchamiania R Przegląd plików startowych R Lokalizacja plików startowych Plik .Rprofile Przykładowy plik .Rprofile Plik .Renviron RStudio Instalowanie i aktualizowanie RStudio Układ paneli Opcje programu RStudio Autouzupełnianie Skróty klawiszowe Wyświetlanie obiektów i tabel Zarządzanie projektami BLAS i alternatywne interpretery R Testowanie zysków wydajności po użyciu BLAS Inne interpretery Przydatne materiały Wydajne programowanie Pięć głównych wskazówek dla zapewnienia wydajnego programowania Porady ogólne Przydział pamięci Kod zwektoryzowany Komunikacja z użytkownikiem Błędy krytyczne: stop() Ostrzeżenia: warning() Wyjście informacyjne: message() i cat() Niewidoczne wartości zwracane Faktory Porządkowanie Stały zbiór kategorii Rodzina funkcji apply Przykład: zbiór danych o filmach Spójność typu Buforowanie zmiennych Domknięcia funkcji Kompilator kodu pośredniego Przykład: funkcja do obliczania średniej Kompilowanie kodu Wydajny przepływ pracy Pięć głównych wskazówek dla zapewnienia wydajnego przepływu pracy Typologia planowania projektów Planowanie i zarządzanie projektem Podział pracy Przepływ pracy a kryteria SMART Wizualizowanie planów w R Wybór pakietów Wyszukiwanie pakietów Jak wybierać pakiety? Publikacja Tworzenie dynamicznych dokumentów przy użyciu R Markdown Pakiety R Wydajne wejście/wyjście Pięć głównych wskazówek dla zapewnienia wydajnego wejścia/wyjścia danych Uniwersalne importowanie danych z użyciem rio Formaty zwykłego tekstu Różnice pomiędzy fread() i read_csv() Wstępne przetwarzanie tekstu poza R Formaty plików binarnych Natywne formaty binarne: Rdata czy Rds? Format pliku Feather Testy porównawcze formatów plików binarnych Protocol Buffers Pozyskiwanie danych z Internetu Uzyskiwanie dostępu do danych przechowywanych w pakietach Wydajna stolarka danych Pięć głównych wskazówek dla zapewnienia wydajnej stolarki danych Wydajne ramki danych z wykorzystaniem pakietu tibble Oczyszczanie danych za pomocą pakietu tidyr i wyrażeń regularnych Tworzenie wąskich tabel za pomocą funkcji gather() Podział zmiennych za pomocą funkcji separate() Pozostałe funkcje tidyr Wyrażenia regularne Wydajne przetwarzanie danych za pomocą pakietu dplyr Modyfikowanie nazw kolumn Modyfikowanie klas kolumn Filtrowanie wierszy Łączenie operacji Agregowanie danych Niestandardowa ewaluacja Łączenie zbiorów danych Praca z bazami danych Bazy danych i dplyr Przetwarzanie danych przy użyciu data.table Wydajna optymalizacja Pięć głównych wskazówek dla zapewnienia wydajnej optymalizacji Profilowanie kodu Rozpoczynanie pracy z pakietem profvis Przykład: symulacja gry Monopol Wydajny język R Funkcja if() kontra ifelse() Sortowanie i porządkowanie Odwracanie kolejności elementów Które indeksy mają wartość TRUE? Konwertowanie faktorów na wartości numeryczne Operatory logiczne AND i OR Operacje na wierszach i kolumnach Funkcje is.na() i anyNA() Macierze Przykład: optymalizowanie funkcji move_square() Przetwarzanie równoległe Współbieżne wersje funkcji z rodziny Apply Przykład: Węże i drabiny Ostrożne wychodzenie z funkcji Równoległy kod w systemach Linux i OS X Rcpp Prosta funkcja w C++ Polecenie cppFunction() Typy danych w C++ Funkcja sourceCpp() Wektory i pętle Macierze C++ z dodatkiem lukru składniowego Materiały dla Rcpp Wydajny sprzęt Pięć głównych porad dotyczących wydajnego sprzętu Informacje podstawowe: Czym jest bajt? Pamięć RAM Dyski twarde: HDD kontra SSD Systemy operacyjne: 32- i 64-bitowe Procesor Obliczenia w chmurze Amazon EC2 Wydajna współpraca Pięć głównych wskazówek dla zapewnienia wydajnej współpracy Styl kodowania Formatowanie kodu w RStudio Nazwy plików Wczytywanie pakietów Komentowanie Nazwy obiektów Przykładowy pakiet Operacje przypisania Znaki odstępu Wcięcia Nawiasy klamrowe Kontrola wersji Zatwierdzanie kodu Integracja Git w RStudio GitHub Gałęzie, rozwidlenia, pobieranie i klonowanie Przegląd kodu Wydajne uczenie się Pięć głównych wskazówek dla wydajnego uczenia się Korzystanie z wewnętrznej pomocy R Wyszukiwanie tematów w R Wyszukiwanie i korzystanie z winiet Uzyskiwanie pomocy na temat funkcji Czytanie kodu źródłowego R swirl Materiały online Stack Overflow Listy mailingowe i grupy Zadawanie pytań Minimalny zbiór danych Minimalny przykład Pogłębianie wiedzy Szerzenie wiedzy

Sygnatura czytelni BWEAiI: XII L 18

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 145471 N (1 egz.)

Brak okładki

Książka

W koszyku

Metody ilościowe w R : aplikacje ekonomiczne i finansowe / Katarzyna Kopczewska, Tomasz Kopczewski, Piotr Wójcik. - Wydanie III. - Warszawa : CeDeWu, 2022. - 646 stron : ilustracje, wykresy ; 24 cm.

Autor

Kopczewska Katarzyna Kopczewski Tomasz Wójcik Piotr (ekonomia)

Forma i typ

Książki Publikacje dydaktyczne Publikacje fachowe Publikacje naukowe

Odbiorca

Informatycy Statystycy Szkoły wyższe

Temat

Ekonomia Finanse Programowanie (informatyka) R (język programowania) Statystyka matematyczna Zastosowanie i wykorzystanie

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne Matematyka

W książce rok wydania: 2022, data wpływu egzemplarza obowiązkowego: 2021.

Bibliografia, netografia na stronach 639-646. Indeks.

Zasady korzystania z R 1.2. Oprogramowanie otwarte - Open Source 1.3. Podstawowe cechy języka R 1.4. W kierunku języka obiektowego 1.5. W kierunku języka funkcyjnego 1.6. Pozyskanie programu z Internetu 1.7. Task Views i strony tematyczne 1.8. Społeczność twórców i użytkowników programu R 1.9. Wbudowane zbiory danych 1 10. Start 1.11. Czas trwania operacji 1.12. Dostępna pamięć 1.13. Na co program jest wrażliwy? 1.14. Korzystanie z pomocy 1.15. Pakiety 1.16. Gdy zmieni się wersja 1.17. Ułatwienia i nakładki R-commander Pakiet PMG 1.18. Tinn-R Operacje na obiektach 2.1. Wczytywanie danych 2.2. Wczytywanie danych - krok po kroku 2.3. Klasy obiektów 2.4. Definiowanie obiektów 2.5. Historia sesji 2.6. Wyświetlanie danych i wyników 2.7. Zaokrąglenia 2.8. Zarządzanie wynikami 2.9. Operatory działań 2.10. Tworzenie wektora 2.11. Operacje na obiektach 2.12. Wyrażenia warunkowe 2.13. Wyrażenia logiczne 2.14. Obserwacje brakujące 2.15. Przeszukiwanie obiektów 2.16. Zapisywanie danych i wyników 2.17. Pętla 2.18. Stale wbudowane Analiza przeglądowa danych 3.1. Informacje o zbiorze 3.2. Obserwacje odstające 3.3. Statystyka opisowa 3.4. Proste tabele jednowymiarowe 3.5. Proste tabele dwuwymiarowe 3.6. Tabele warunkowe 3.7. Tabele podsumowań procentowych 3.8. Podsumowanie w grupach 3.9. Tabele dla faktorów i danych nieliczbowych 3.10. Zaawansowane podsumowania grupowe 3.11. Tworzenie własnych funkcji i komend Grafika 4.1. O grafice w R 4.2. Kolorystyka 4.3. Podstawowe komendy graficzne i opcje 4.4. Wykres pudełkowy 4.5. Histogram 4.6. Wykres kolumnowy 4.7. Wykres kołowy 4.8. Wykresy punktowy i liniowy 4.9. Wykres punktowy dla grup 4.10. Wykresy nietypowe 4.11. Symbole i figury 4.12. Nakładanie tekstu na wykresy 4.13. Legenda, nagłówki i osie 4.14. Zarządzanie wykresami 4.15. Obliczenia jako grafika Metody statystyczne 5.1. Rozkład normalny 5.2. Rozkłady inne niż normalny 5.3. Próbkowanie 5.4. Korelacja 5.5. Testowanie normalności 5.6. Testowanie niezależności zdarzeń 5.7. Testy parametryczne dla średniej i wariancji 5.8. Moc testu 5.9. Testy parametryczne dla odsetka 5.10. Testy dla wariancji 5.11. Inne testy statystyczne Symulacja Monte Carlo i Bootstrapping 6.1. Wprowadzenie do symulacji Monte Carlo 6.2. Liczby losowe a rozkłady Rozkład jednostajny Rozkład normalny Rozkład logarytmiczno-normalny Rozkład trójkątny Rozkłady o znanej dystrybuancie Rozkłady stabilne 6.3. Problem 1 - Monte Carlo - rzuty kostką 6.4. Problem 2 - Monte Carlo - wspólna data urodzin 6.5. Problem 3 - Monte Carlo - wyznaczanie wartości PI 6.6. Problem 4 - Monte Carlo - biznesplan 6.7. Problem 5 - Monte Carlo - kursy akcji 6.8. Problem 6 - Monte Carlo - konkurs na stacji benzynowej 6.9. Problem 7 - Monte Carlo - procesy stochastyczne 6.10. Wprowadzenie do Bootstrappingu 6.11. Problem 8 - Bootstrapping - współczynnik korelacji 6.12. Problem 9 - Bootstrapping - norma przyrostu zapasów Regresja liniowa 7.1. Wprowadzenie do modelowania ekonometrycznego 7.2. Etapy badania ekonometrycznego 7.3. Obróbka danych 7.4. Estymacja modelu 7.5. Diagnostyka modelu 7.6. Właściwości reszt modelu Normalność reszt 7.7. Heteroskedastyczność 7.8. Autokorelacja 7.9. Ocena jakości modelu Współczynnik determinacji R2 Błąd standardowy regresji Kryteria informacyjne 7.10. Istotność zmiennych 7.11. Podejścia do modelowania i dobór zmiennych 7.12. Nieliniowość związku transformacje zmiennych 7.13. Identyfikacja wartości odstających 7.14. Modelowanie w grupach/interakcje 7.15. Macierze wariancji-kowariancji Modele panelowe 8.1. Modele panelowe - wprowadzenie 8.2. Podstawowe typy modeli panelowych 8.3. Porównanie modeli fixed i random 8.4. Podstawowe modele panelowe w R 8.5. Wczytywanie danych 8.6. Estymacja modeli - przykłady Modele pooled Modele within Modele between Modele rondom Modele ze zmiennymi współczynnikami 8.7. Testy w modelach panelowych Test F na istotność efektów stałych w modelu LSDV Test LM na istotność efektów losowych Test Chowa F na stabilność parametrów Test Hausmana porównujący modele z efektami stałymi i losowymi 8.8. Problemy w modelowaniu Autokorelacja Testowanie autokorelacji Heteroskedastyczność 8.9. Dostępne metody estymacji zaawansowanych modeli panelowych 8.10. Panele dynamiczne szacowane przez GMM 8.11. Model Hausmana-Taylora 8.12. Model Swamy'ego 8.13. Model FGLS 8.14. Model PCSE (panel-corrected standard errors) 8.15. Wydruki Szeregi czasowe 9.1. Szeregi czasowe w R 9.2. Operacje na danych czasowych 9.3. Klasa data.frame vs. klasa ts Podstawowe porównania Zwroty 9.4. Format daty 9.5. Generowanie zmiennych sezonowych, 0-1 oraz trendu 9.6. Transformacje zmiennych 9.7. Symulacja procesów generujących dane 9.8. Testowanie szeregów czasowych - stacjonarność 9.9. Inne testy dla szeregów czasowych 9.10. Modele trendu deterministycznego 9.11. Prognozy w modelach 9.12. Modele ARIMA Modele finansowe 10.1. Wprowadzenie do modeli finansowych w R 10.2. Portfel rynkowy - model Markowitza 10.3. Konstrukcja portfeli optymalnych 10.4. Model beta rynkowego - model jednoindeksowy 10.5. Model CAPM i miary ryzyka 10.6. Wartość pieniądza w czasie 10.7. Ocena projektów inwestycyjnych przez IRR i NPV Analiza głównych składowych i analiza czynnikowa 11.1. Czemu służy analiza czynnikowa? 11.2. Rodzaje analizy czynnikowej 11.3. Przygotowanie danych i wybór zmiennych 11.4. Wybór modelu czynnikowego 11.5. Określanie liczby czynników 11.6. Rotacja czynników 11.7. Interpretacja czynników 11.8. Tworzenie nowych zmiennych 11.9. Estymacja wspólnej wariancji w analizie czynników wspólnych Analiza skupień 12.1. Do czego służy analiza skupień? 12.2. Rodzaje analizy skupień 12.3. Miary podobieństawa/odległości 12.4. Hierarchiczne metody grupowania 12.5. Przykład 1 - podobieństwo województw 12.6. Przykład 2 - spędzanie wolnego czasu (1) 12.7. Metody optymalizacyjne - wprowadzenie 12.8. Metoda k-średnich 12.9. Przykład 3 - spędzanie wolnego czasu (2) 12.10. Metody optymalizacyjne vs. metody hierarchiczne 12.11. Profilowanie uzyskanych segmentów 12.12. Inne komendy i pakiety R w analizie skupień Mapy w ekonomii i zarządzaniu 13.1. Wprowadzenie do metod przestrzennych 13.2. Pakiety przestrzenne 13.3. Wprowadzanie danych i wczytywanie map 13.4. Rysowanie map - podstawy 13.5. Wyznaczanie współrzędnych geograficznych 13.6. Warstwy kolorystyczne dla regionów 13.7. Punkty na mapie - losowanie i rysowanie 13.8. Nanoszenie etykiet i legendy 13.9. Mapy wielowarstwowe 13.10. Rysowanie wycinka mapy 13.11. Struktura sąsiedztwa 13.12. Mapy wbudowane Estymacja jądrowa 14.1. Czym jest estymacja jądrowa? 14.2. Jak obliczyć estymator jądrowy? 14.3. Wykresy dostępnych funkcji jądra 14.4. Wykorzystanie estymatorów jądrowych w praktyce 14.5. Oszacowanie dla różnych funkcji jądra 14.6. Oszacowanie dla różnych szerokości pasma estymacji 14.7. Porównywanie rozkładów zmiennych 14.8. Dwuwymiarowy estymator gęstości 14.9. Inne pakiety do estymacji jądrowej w R Modele dla zmiennych dyskretnych 15.1. Czym są zmienne dyskretne? 15.2. Binarna zmienna zależna - liniowy model prawdopodobieństwa 15.3. Binarna zmienna zależna - modele logit iprobit 15.4. Model logit - miary dopasowania modelu 15.5. Model probit 15.6. Model dla uporządkowanej zmiennej objaśnianej - porządkowy logit 15.7. Model dla nominalnej zmiennej objaśnianej - wielomianowy logit 15.8. Modele dla liczebności - model Poissona 15.9. Modele dla liczebności - model ujemny dwumianowy 15.10. Modele dla liczebności z dużą liczbą wartości zerowych (ZIP oraz ZINB) Optymalizacja i programowanie matematyczne 16.1. Wprowadzenie do optymalizacji 16.2. Problem 1 - optymalizacja - ekstrema i pierwiastki wielomianu 16.3. Problem 2 - optymalizacja - mikroekonomiczna funkcja użyteczności 16.4. Problem 3 - optymalizacja - układ równań różniczkowych Lorenza 16.5. Wprowadzenie do programowania matematycznego 16.6. Problem 4 - simplex - optymalna struktura produkcji 16.7. Problem 5 - simplex - zadanie transportowe Programowanie 17.1. Definiowanie podstawowych obiektów 17.2. Podstawowe operacje matematyczne na obiektach 17.3. Podstawowe operacje na macierzach 17.4. Pętle w poleceniach 17.5. Stosowanie warunków 17.6. Tworzenie własnych komend

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 154875 N (1 egz.)

Brak okładki

Książka

W koszyku

Przestrzenne metody ilościowe w R : statystyka, ekonometria, uczenie maszynowe, analiza danych / Katarzyna Kopczewska (red.). - Wydanie I (dodruk). - Warszawa : CeDeWu, 2023. - 845 stron : ilustracje, mapy, wykresy ; 24 cm.

Autor

Kopczewska Katarzyna.

Forma i typ

Książki Publikacje dydaktyczne

Temat

Analiza przestrzenna R (język programowania)

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Bibliografia, netografia na stronach 787-807.

Podstawowe operacje w programie R Dane i klasy przestrzenne oraz podstawowa grafika Dane przestrzenne z Web API Macierze wag przestrzennych, pomiar odległości, teselacja Stosowana ekonometria przestrzenna Modelowanie heterogeniczności przestrzennej Przestrzenne uczenie nienadzorowane Analiza przestrzennych rozkładów punktowych i interpolacja przestrzenna Przestrzenne próbkowanie i bootstrap Przestrzenne big data Przestrzenne reguły asocjacyjne w geomarketingu

Sygnatura czytelni BWZ: I E 16

dostępna do wypożyczenia

Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 153860 N (1 egz.)

Biblioteka WEiZ

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 153861 N (1 egz.)

Brak okładki

Książka

W koszyku

(Seria Dane i Analizy)

Autor

Lander Jared P. Włodarz Marek.

Forma i typ

Książki Publikacje fachowe

Temat

R (język programowania) Obliczenia statyczne

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Na okładce nazwa wydawcy oryginału: Addison Wesley.

Indeksy.

Poznajemy R Pobieranie R Wersja R Wersja 32- czy 64-bitowa Instalowanie Microsoft R Open Środowisko R Interfejs wiersza polecenia RStudio Microsoft Visual Studio Pakiety R Instalowanie pakietów Ładowanie pakietów Budowanie pakietu Podstawy R Podstawowe działania arytmetyczne Zmienne Typy danych Wektory Wywoływanie funkcji Dokumentacja funkcji Brakujące dane Potoki Zaawansowane struktury danych Ramki danych Listy Macierze Tablice Wczytywanie danych do R Czytanie plików CSV Dane Excela Wczytywanie z baz danych Dane z innych narzędzi statystycznych Pliki binarne języka R Dane dołączone do R Wydobywanie danych z witryn sieci Web Wczytywanie danych JSON Grafika statystyczna Podstawowe funkcje graficzne ggplot2 Tworzenie funkcji w języku R Hello, World! Argumenty funkcji Zwracane wartości Funkcja do.call Wyrażenia sterujące if oraz else switch ifelse Złożone testy Pętle - nie-R metoda iteracji Pętle for Pętle while Sterowanie pętlami Manipulacje grupowe Rodzina apply aggregate plyr data.table Szybsze manipulacje grupowe przy użyciu dplyr Potoki tbl select filter slice mutate summarize group_by arrange do Stosowanie dplyr dla baz danych Iteracje przy użyciu purrr map Funkcja map ze wskazanymi typami Iteracje przez obiekt data.frame Funkcja map z wieloma wejściami Kształtowanie danych Funkcje cbind oraz rbind Złączenia reshape2 Kształtowanie danych w Tidyverse Sklejanie wierszy i kolumn Złączenia przy użyciu dplyr Konwertowanie formatów danych Manipulowanie ciągami znaków paste sprintf Wyodrębnianie tekstu Wyrażenia regularne Rozkłady prawdopodobieństwa Rozkład normalny Rozkład dwumianowy Rozkład Poissona Inne rozkłady Podstawowe statystyki Statystyki podsumowujące Korelacja i kowariancja Test t-Studenta ANOVA Modele liniowe Prosta regresja liniowa Regresja wieloraka Uogólnione modele liniowe Regresja logistyczna Regresja Poissona Inne uogólnione modele liniowe Analiza przeżycia Diagnostyka modelu Reszty Porównywanie modeli Sprawdzian krzyżowy Bootstrap Krokowe wybieranie zmiennych Regularyzacja i ściąganie Elastic Net Ściąganie bayesowskie Modele nieliniowe Modele nieliniowe najmniejszych kwadratów Interpolacja funkcjami sklejanymi Uogólnione modele addytywne Drzewa decyzyjne Wzmocnione drzewa decyzyjne Lasy losowe Serie czasowe i autokorelacja Autoregresywne średnie ruchome VAR GARCH Grupowanie K-średnie PAM Grupowanie hierarchiczne Dopasowywanie modelu przy użyciu Caret Podstawy Caret Opcje Caret Dostrajanie wzmocnionego drzewa Reprodukowalność i raporty przy użyciu knitr Instalowanie programu LATEX Elementarz LATEX Korzystanie z knitr w połączeniu z LATEX Tworzenie bogatych dokumentów przy użyciu RMarkdown Kompilowanie dokumentu Nagłówek dokumentu Elementarz języka Markdown Wstawki kodu w Markdown htmlwidgets Pokazy slajdów RMarkdown Tworzenie interaktywnych tablic kontrolnych przy użyciu Shiny Shiny w RMarkdown Wyrażenia reaktywne w Shiny Serwer i UI Tworzenie pakietów R Struktura folderów Pliki pakietu Dokumentacja pakietu Testy Sprawdzanie, kompilacja i instalowanie Wysyłanie pakietu do CRAN Kod C++

Sygnatura czytelni BMW: IV A 4 (nowy)

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka Międzywydziałowa

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 145365 N (1 egz.)

Książka

W koszyku

Autor

Long James D. Teetor Paul (1954- ). Sawka Krzysztof.

Forma i typ

Książki Publikacje fachowe

Temat

R (język programowania) Analiza danych

Gatunek

Opracowanie

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Tytuł oryginału: R cookbook : proven recipes for data analysis, statistics and graphics.

Wydanie 2. odnosi się do oryginału.

Indeks.

1. Pierwsze kroki i uzyskiwanie pomocy 17 1.1. Pobranie i instalacja R 18 1.2. Instalacja środowiska RStudio 20 1.3. Uruchamianie środowiska RStudio 21 1.4. Wprowadzanie poleceń 23 1.5. Wyjście ze środowiska RStudio 24 1.6. Przerywanie realizacji kodu R 26 1.7. Przeglądanie dołączonej dokumentacji 27 1.8. Uzyskiwanie pomocy na temat funkcji 28 1.9. Wyszukiwanie dodatkowej dokumentacji 30 1.10. Uzyskiwanie pomocy na temat pakietu 31 1.11. Wyszukiwanie pomocy w internecie 32 1.12. Wyszukiwanie przydatnych funkcji i pakietów 35 1.13. Przeszukiwanie list dyskusyjnych 36 1.14. Przesyłanie pytań do serwisu Stack Overflow lub innego 37 2. Garść podstaw 41 2.1. Wyświetlanie interesujących nas danych na ekranie 41 2.2. Wyznaczanie zmiennych 43 2.3. Tworzenie listy zmiennych 44 2.4. Usuwanie zmiennych 46 2.5. Tworzenie wektorów 47 2.6. Obliczanie podstawowych statystyk 49 2.7. Tworzenie sekwencji 51 2.8. Porównywanie wektorów 52 2.9. Wybieranie elementów wektora 54 2.10. Wykonywanie obliczeń wektorowych 57 2.11. Ustalanie pierwszeństwa operatorów 59 2.12. Osiąganie więcej przy mniejszej liczbie znaków 61 2.13. Tworzenie strumienia wywołań funkcji 62 2.14. Unikanie najpowszechniejszych pomyłek 65 3. Korzystanie z oprogramowania 71 3.1. Sprawdzanie i wyznaczanie katalogu roboczego 71 3.2. Tworzenie nowego projektu RStudio 72 3.3. Zapisywanie przestrzeni roboczej 74 3.4. Przeglądanie historii wpisanych poleceń 75 3.5. Zapisywanie wyniku wcześniejszego polecenia 76 3.6. Wyświetlanie załadowanych pakietów poprzez ścieżkę wyszukiwania 77 3.7. Przeglądanie listy zainstalowanych pakietów 79 3.8. Uzyskiwanie dostępu do funkcji zawartych w pakiecie 80 3.9. Uzyskiwanie dostępu do wbudowanych zestawów danych 81 3.10. Instalowanie pakietów z repozytorium CRAN 82 3.11. Instalowanie pakietu z serwisu GitHub 84 3.12. Wyznaczanie lub zmiana domyślnego serwera CRAN 85 3.13. Uruchamianie skryptu 86 3.14. Uruchamianie skryptu wsadowego 87 3.15. Wyszukiwanie katalogu domowego R 89 3.16. Personalizowanie rozruchu R 91 3.17. Korzystanie z R i RStudio w chmurze 94 4. Dane wejściowe i wyjściowe 97 4.1. Wprowadzanie danych za pomocą klawiatury 97 4.2. Wyświetlanie mniejszej (lub większej) liczby znaków 98 4.3. Przekierowywanie wyników do pliku 100 4.4. Wyświetlanie listy plików 101 4.5. Problem z otwieraniem pliku w systemie Windows 103 4.6. Odczytywanie rekordów o stałej szerokości 104 4.7. Odczytywanie plików danych tabelarycznych 107 4.8. Odczytywanie plików CSV 110 4.9. Zapisywanie danych w pliku CSV 112 4.10. Odczytywanie danych tabelarycznych lub CSV z internetu 113 4.11. Odczytywanie danych z arkuszy Excel 114 4.12. Zapisywanie ramki danych w pliku Excel 116 4.13. Odczytywanie danych z pliku SAS 118 4.14. Odczytywanie danych z tabel HTML 120 4.15. Odczytywanie plików o skomplikowanej strukturze 122 4.16. Odczyt baz danych MySQL 126 4.17. Uzyskiwanie dostępu do bazy danych za pomocą pakietu dbplyr 129 4.18. Zapisywanie i transportowanie obiektów 131 5. Struktury danych 135 5.1. Dodawanie danych do wektora 142 5.2. Wstawianie danych do wektora 144 5.3. Reguła zawijania 144 5.4. Tworzenie wektora czynnikowego (zmiennej kategorialnej) 146 5.5. Łączenie wielu wektorów w jeden wektor i wektor czynnikowy 147 5.6. Tworzenie listy 149 5.7. Wybieranie elementów listy za pomocą ich pozycji 150 5.8. Wybieranie elementów listy po nazwie 152 5.9. Tworzenie listy asocjacyjnej nazwa/wartość 153 5.10. Usuwanie elementu z listy 155 5.11. Spłaszczanie listy do postaci wektora 156 5.12. Usuwanie elementów o wartości NULL z listy 157 5.13. Warunkowe usuwanie elementów listy 158 5.14. Inicjowanie macierzy 159 5.15. Wykonywanie operacji macierzowych 161 5.16. Nadawanie nazw opisowych rzędom i kolumnom macierzy 162 5.17. Wybór jednego rzędu/kolumny macierzy 163 5.18. Inicjowanie ramki danych z danymi kolumny 164 5.19. Inicjowanie ramki danych z danymi rzędu 165 5.20. Dołączanie rzędów do ramki danych 168 5.21. Wybór kolumn ramki danych za pomocą pozycji 170 5.22. Wybór kolumn ramki danych za pomocą nazwy 174 5.23. Zmienianie nazw kolumn w ramce danych 175 5.24. Usuwanie wartości NA z ramki danych 176 5.25. Wykluczanie kolumn za pomocą nazwy 177 5.26. Łączenie dwóch ramek danych 178 5.27. Scalanie kolumn dwóch ramek danych 179 5.28. Przekształcanie jednej wartości atomowej w inną 181 5.29. Przekształcanie jednego ustrukturyzowanego typu danych w inny 183 6. Przekształcenia danych 187 6.1. Stosowanie funkcji wobec każdego elementu listy 187 6.2. Stosowanie funkcji wobec każdego rzędu ramki danych 190 6.3. Stosowanie funkcji wobec każdego rzędu macierzy 191 6.4. Stosowanie funkcji wobec każdej kolumny 192 6.5. Stosowanie funkcji wobec wektorów równoległych lub list 194 6.6. Stosowanie funkcji wobec grup danych 196 6.7. Tworzenie nowej kolumny na podstawie jakiegoś warunku 197 7. Łańcuchy znaków i daty 199 7.1. Uzyskiwanie długości łańcucha znaków 201 7.2. Łączenie łańcuchów znaków 202 7.3. Wydobywanie fragmentów łańcuchów znaków 203 7.4. Rozdzielanie łańcucha znaków zgodnie z rozgranicznikiem 204 7.5. Zastępowanie fragmentów łańcuchów znaków 205 7.6. Tworzenie wszystkich kombinacji par łańcuchów znaków 206 7.7. Uzyskiwanie bieżącej daty 208 7.8. Przekształcanie łańcucha znaków w obiekt Date 208 7.9. Przekształcanie obiektu Date w łańcuch znaków 209 7.10. Przekształcanie roku, miesiąca i dnia w obiekt Date 210 7.11. Uzyskiwanie daty juliańskiej 211 7.12. Wydobywanie elementów składowych daty 212 7.13. Tworzenie sekwencji dat 213 8. Prawdopodobieństwo 215 8.1. Wyznaczanie liczby kombinacji 217 8.2. Generowanie kombinacji 218 8.3. Generowanie liczb losowych 219 8.4. Generowanie odtwarzalnych liczb losowych 220 8.5. Generowanie próby losowej 222 8.6. Generowanie sekwencji losowych 223 8.7. Losowe permutacje wektora 224 8.8. Obliczanie prawdopodobieństwa rozkładów dyskretnych 225 8.9. Obliczanie prawdopodobieństwa rozkładów ciągłych 226 8.10. Przekształcanie prawdopodobieństw w kwantyle 228 8.11. Tworzenie wykresu funkcji gęstości 229 9. Statystyka ogólna 235 9.1. Podsumowywanie danych 237 9.2. Obliczanie częstości względnych 239 9.3. Zestawianie wektorów czynnikowych w tabeli i tworzenie tablic wielodzielczych 240 9.4. Sprawdzanie niezależności zmiennych kategorialnych 241 9.5. Obliczanie kwantylów (i kwartylów) zestawu danych 242 9.6. Uzyskiwanie odwrotności kwantylu 243 9.7. Normalizowanie danych 244 9.8. Testowanie średniej próby (test t) 244 9.9. Kształtowanie przedziału ufności dla średniej 246 9.10. Kształtowanie przedziału ufności dla mediany 247 9.11. Testowanie proporcji próby 248 9.12. Kształtowanie przedziału ufności dla proporcji 249 9.13. Testowanie pod względem rozkładu normalnego 250 9.14. Testowanie przebiegów 251 9.15. Porównywanie średnich dwóch prób 252 9.16. Nieparametryczne porównywanie położenia dwóch prób 254 9.17. Testowanie korelacji pod względem istotności 256 9.18. Testowanie grup pod względem równych proporcji 257 9.19. Porównywanie parami średnich poszczególnych grup 259 9.20. Testowanie dwóch prób w kontekście tego samego rozkładu 260 10. Grafika 263 10.1. Tworzenie wykresu punktowego 267 10.2. Wstawianie tytułu i etykiet 267 10.3. Dodawanie (lub usuwanie) siatki 269 10.4. Stosowanie motywu wobec wykresu ggplot 272 10.5. Tworzenie wielogrupowego wykresu punktowego 277 10.6. Dodawanie (lub usuwanie) legendy 278 10.7. Rysowanie linii regresji na wykresie punktowym 282 10.8. Tworzenie wykresów par zmiennych 285 10.9. Tworzenie wykresów punktowych dla poszczególnych grup danych 287 10.10. Tworzenie wykresu kolumnowego 289 10.11. Umieszczanie przedziałów ufności na wykresie kolumnowym 292 10.12. Wprowadzanie kolorów na wykresie kolumnowym 295 10.13. Rysowanie linii łączącej pary punktów x i y 297 10.14. Zmiana rodzaju, szerokości i koloru linii 297 10.15. Tworzenie wykresu zawierającego wiele zestawów danych 301 10.16. Dodawanie linii pionowych lub poziomych 302 10.17. Tworzenie wykresu pudełkowego 304 10.18. Tworzenie po jednym wykresie pudełkowym na każdy poziom wektora czynnikowego 306 10.19. Tworzenie histogramu 308 10.20. Dodawanie oszacowania gęstości do histogramu 310 10.21. Tworzenie standardowego wykresu kwantyl-kwantyl 311 10.22. Tworzenie innych wykresów kwantyl-kwantyl 314 10.23. Rysowanie zmiennej w różnych kolorach 316 10.24. Tworzenie wykresu funkcji 319 10.25. Wyświetlanie wielu wykresów na jednej stronie 321 10.26. Zapisywanie wykresu do pliku 324 11. Regresja liniowa i analiza ANOVA 327 11.1. Przeprowadzanie prostej analizy liniowej 329 11.2. Przeprowadzanie wielorakiej regresji liniowej 331 11.3. Uzyskiwanie statystyk regresji 332 11.4. Omówienie podsumowania regresji 335 11.5. Przeprowadzanie regresji liniowej bez użycia punktu przecięcia z osią współrzędnych 338 11.6. Przeprowadzanie regresji wyłącznie przy użyciu zmiennych ściśle skorelowanych ze zmienną objaśnianą 339 11.7. Przeprowadzanie regresji liniowej z członami interakcyjnymi 342 11.8. Wybór najlepszych zmiennych regresji 344 11.9. Przeprowadzanie regresji na podzbiorze danych 349 11.10. Korzystanie ze wzorów w równaniu regresji 350 11.11. Przeprowadzanie regresji względem wielomianu 351 11.12. Regresja względem przekształconych danych 353 11.13. Wyszukiwanie najlepszego przekształcenia potęgowego (procedura Boxa-Coxa) 355 11.14. Kształtowanie przedziałów ufności dla współczynników regresji 359 11.15. Tworzenie wykresu elementów resztowych regresji 360 11.16. Diagnozowanie regresji liniowej 361 11.17. Wykrywanie najbardziej znaczących obserwacji 364 11.18. Testowanie wartości resztowych pod względem autokorelacji (test Durbina-Watsona) 366 11.19. Przewidywanie nowych wartości 367 11.20. Kształtowanie przedziałów predykcji 368 11.21. Przeprowadzanie jednoczynnikowej analizy ANOVA 369 11.22. Tworzenie wykresu interakcji 371 11.23. Wyszukiwanie różnic pomiędzy średnimi grup 372 11.24. Przeprowadzanie odpornej analizy ANOVA (test Kruskala-Wallisa) 375 11.25. Porównywanie modeli za pomocą analizy ANOVA 376 12. Przydatne sztuczki 379 12.1. Zaglądanie do danych 379 12.2. Wyświetlanie rezultatu przypisania 380 12.3. Sumowanie rzędów lub kolumn 382 12.4. Wyświetlanie danych w kolumnach 383 12.5. Grupowanie danych w przedziały 384 12.6. Określanie położenia danej wartości 385 12.7. Wybieranie co n-tego elementu wektora 385 12.8. Określanie minimów i maksimów 386 12.9. Tworzenie wszystkich kombinacji kilku zmiennych 388 12.10. Spłaszczanie ramki danych 389 12.11. Sortowanie ramki danych 390 12.12. Usuwanie atrybutów ze zmiennej 391 12.13. Odkrywanie struktury obiektu 392 12.14. Obliczanie czasu potrzebnego na realizację kodu 395 12.15. Wstrzymywanie ostrzeżeń i komunikatów o błędach 396 12.16. Pobieranie argumentów funkcji z listy 397 12.17. Definiowanie własnych operatorów binarnych 399 12.18. Blokowanie komunikatu rozruchowego 401 12.19. Przeglądanie i wyznaczanie zmiennych środowiskowych 401 12.20. Używanie sekcji kodu 402 12.21. Równoległe przetwarzanie kodu R na komputerze lokalnym 403 12.22. Równoległe przetwarzanie kodu R w sposób zdalny 406 13. Zaawansowane obliczenia numeryczne i statystyczne 411 13.1. Minimalizowanie lub maksymalizowanie funkcji jednoparametrowej 411 13.2. Minimalizowanie lub maksymalizowanie funkcji wieloparametrowej 412 13.3. Obliczanie wartości własnych i wektorów własnych 414 13.4. Przeprowadzanie analizy głównych składowych 415 13.5. Przeprowadzanie prostej regresji ortogonalnej 416 13.6. Wyszukiwanie skupień w danych 418 13.7. Przewidywanie zmiennej binarnej (regresja logistyczna) 421 13.8. Metody samowsporne 423 13.9. Analiza czynnikowa 425 14. Analiza szeregów czasowych 431 14.1. Reprezentowanie danych szeregów czasowych 433 14.2. Tworzenie wykresów danych szeregów czasowych 436 14.3. Wydobywanie najstarszych lub najnowszych obserwacji 437 14.4. Tworzenie podzbiorów z szeregów czasowych 439 14.5. Scalanie kilku szeregów czasowych 441 14.6. Uzupełnianie brakujących obserwacji w szeregach czasowych 443 14.7. Opóźnianie lub przyspieszanie szeregu czasowego 446 14.8. Obliczanie kolejnych różnic 447 14.9. Wykonywanie obliczeń na szeregu czasowym 449 14.10. Obliczanie średniej kroczącej 450 14.11. Stosowanie funkcji przy uwzględnieniu okresu kalendarzowego 451 14.12. Stosowanie funkcji rozwijającej 453 14.13. Tworzenie wykresu funkcji autokorelacji 455 14.14. Testowanie szeregów czasowych pod kątem autokorelacji 456 14.15. Tworzenie wykresu funkcji autokorelacji cząstkowej 457 14.16. Wyszukiwanie korelacji opóźnionych pomiędzy dwoma szeregami czasowymi 459 14.17. Usuwanie trendów z szeregów czasowych 461 14.18. Dopasowywanie modelu ARIMA 463 14.19. Usuwanie nieistotnych współczynników z modelu ARIMA 466 14.20. Diagnozowanie modelu ARIMA 468 14.21. Uzyskiwanie prognoz z modelu ARIMA 470 14.22. Tworzenie wykresu prognoz 471 14.23. Sprawdzanie występowania zjawiska równania do średniej w szeregu czasowym 472 14.24. Wygładzanie szeregu czasowego 475 15. Elementy prostego programowania 479 15.1. Wybór pomiędzy dwiema alternatywnymi opcjami: if/else 480 15.2. Przetwarzanie w pętli 482 15.3. Definiowanie funkcji 483 15.4. Tworzenie zmiennej lokalnej 485 15.5. Wybór pomiędzy wieloma alternatywnymi ścieżkami: funkcja switch 485 15.6. Definiowanie wartości domyślnych parametrów 487 15.7. Sygnalizowanie błędów 488 15.8. Ochrona przed błędami 489 15.9. Tworzenie funkcji anonimowej 490 15.10. Tworzenie zbioru funkcji wielokrotnego użytku 491 15.11. Automatyczne formatowanie kodu 492 16. Środowisko R Markdown i publikowanie 495 16.1. Tworzenie nowego dokumentu 496 16.2. Dodawanie tytułu, danych autora i daty 498 16.3. Formatowanie dokumentu tekstowego 499 16.4. Wstawianie nagłówków dokumentu 500 16.5. Wstawianie listy 500 16.6. Prezentowanie wyników kodu R 502 16.7. Kontrolowanie wyświetlania kodu i wyników 503 16.8. Wstawianie wykresu 505 16.9. Wstawianie tabeli 507 16.10. Wstawianie wygenerowanej tabeli 509 16.11. Wstawianie równań matematycznych 512 16.12. Generowanie wyniku w formacie HTML 513 16.13. Generowanie wyniku w formacie PDF 514 16.14. Generowanie wyników w formacie Microsoft Word 516 16.15. Generowanie pliku prezentacji 522 16.16. Tworzenie parametryzowanego raportu 524 16.17. Organizowanie pracy z dokumentami R Markdown 527

Sygnatura czytelni BWEAiI: XII L 46

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 149894 N (1 egz.)

Książka

W koszyku

Autor

Mount George Kamiński Filip (informatyk)

Forma i typ

Książki Publikacje fachowe

Odbiorca

Analitycy danych Informatycy

Temat

Analiza danych Excel Python (język programowania) R (język programowania) Statystyka matematyczna

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne Matematyka

W książce także ISBN oryginału.

Tytuł oryginału: Advancing into analytics : from Excel to Python and R.

Indeks.

CZĘŚĆ I. PODSTAWY ANALIZY DANYCH W EXCELU (17) 1. Podstawy eksploracyjnej analizy danych (19) Czym jest eksploracyjna analiza danych? (19) Obserwacje (21) Zmienne (21) Przykład: klasyfikacja zmiennych (24) Przypomnienie: typy zmiennych (26) Eksploracja zmiennych w Excelu (26) Eksploracja zmiennych kategorialnych (27) Eksploracja zmiennych ilościowych (29) 2. Podstawy prawdopodobieństwa (41) Prawdopodobieństwo i losowość (41) Prawdopodobieństwo i przestrzeń zdarzeń elementarnych (41) Prawdopodobieństwo i eksperymenty (42) Prawdopodobieństwo bezwarunkowe i warunkowe (42) Rozkłady prawdopodobieństwa (42) Dyskretne rozkłady prawdopodobieństwa (43) Ciągłe rozkłady prawdopodobieństwa (46) 3. Podstawy wnioskowania statystycznego (54) Ramy wnioskowania statystycznego (54) Zbierz reprezentatywną próbkę (55) Sformułuj hipotezy (56) Stwórz plan analizy (57) Przeanalizuj dane (59) Podejmij decyzję (62) To Twój świat... Dane się tylko w nim znajdują (68) 4. Korelacja i regresja (71) Korelacja nie oznacza przyczynowości (71) Wprowadzenie do korelacji (72) Od korelacji do regresji (76) Regresja liniowa w Excelu (78) Zastanówmy się raz jeszcze - pozorne związki (84) 5. Stos analizy danych (87) Statystyka, analiza danych, nauka o danych (87) Statystyka (87) Analiza danych (87) Analityka biznesowa (88) Nauka o danych (88) Uczenie maszynowe (88) Różne, ale nie rozłączne (89) Znaczenie stosu analizy danych (89) Arkusze kalkulacyjne (90) Bazy danych (92) Platformy analityki biznesowej (94) CZĘŚĆ II. Z EXCELA DO R (97) 6. Pierwsze kroki w R dla użytkowników Excela (99) Pobieranie R (99) Pierwsze kroki w RStudio (99) Pakiety w R (108) Aktualizacja pakietów, RStudio i języka R (109) 7. Struktury danych w R (112) Wektory (112) Indeksowanie i wybór elementów z wektorów (114) Od tabel Excela do ramek danych R (115) Importowanie danych w R (117) Eksploracja ramki danych (120) Indeksowanie i wybór elementów z ramek danych (122) Zapisywanie ramek danych (123) 8. Przetwarzanie i wizualizacja danych w R (125) Przetwarzanie danych za pomocą dplyr (126) Operacje kolumnowe (126) Operacje wierszowe (128) Agregacja i łączenie danych (131) dplyr i potęga operatora potoku (%>%) (133) Przekształcanie danych za pomocą tidyr (135) Wizualizacja danych w ggplot2 (137) 9. R w analizie danych (143) Eksploracyjna analiza danych (144) Testowanie hipotez (147) Test t-Studenta dla prób niezależnych (148) Regresja liniowa (150) Podział na zbiór uczący i testowy, walidacja (151) CZĘŚĆ III. Z EXCELA DO PYTHONA (155) 10. Pierwsze kroki w Pythonie dla użytkowników Excela (157) Pobieranie Pythona (157) Pierwsze kroki z Jupyterem (158) Moduły w Pythonie (166) Aktualizacja pakietów, Anacondy i Pythona (167) 11. Struktury danych w Pythonie (169) Tablice NumPy (170) Indeksowanie i wybieranie elementów z tablic NumPy (171) Ramki danych pandas (172) Importowanie danych w Pythonie (174) Eksploracja ramki danych (175) Indeksowanie i pobieranie wartości z ramek danych (177) Zapis ramek danych (178) 12. Przetwarzanie i wizualizacja danych w Pythonie (179) Operacje kolumnowe (180) Operacje wierszowe (182) Agregacja i łączenie danych (183) Przekształcanie danych (185) Wizualizacja danych (186) 13. Python w analizie danych (193) Eksploracyjna analiza danych (194) Testowanie hipotez (196) Test t-Studenta dla prób niezależnych (196) Regresja liniowa (197) Podział zbioru na zbiór treningowy i testowy oraz walidacja modelu (198) 14. Wnioski i kolejne kroki (201) Kolejne warstwy stosu (201) Projektowanie badań i eksperymenty biznesowe (201) Inne metody statystyczne (202) Nauka o danych i uczenie maszynowe (202) Kontrola wersji (202) Etyka (203) Idź naprzód i ciesz się danymi (203)

Sygnatura czytelni BWEAiI: XII Ł 203

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 152068 N (1 egz.)

Książka

W koszyku

Praktyczne uczenie maszynowe w języku R / Fred Nwanganga, Mike Chapple ; przekład: Natalia Chounlamany-Turalska. - Warszawa : APN PROMISE, 2022. - XX, 435 stron : ilustracje ; 24 cm.

Autor

Nwanganga Frederick Chukwuka. Chounlamany-Turalska Natalia. Chapple Mike (1975- ).

Forma i typ

Książki Publikacje fachowe

Temat

R (język programowania). Uczenie maszynowe.

Gatunek

Podręcznik.

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Indeks.

Czym jest uczenie maszynowe Wprowadenie do języka R i RStudio Zarządzanie danymi Regresja liniowa logistycna K najbliższych sąsiadów Naiwny klasyfikator Bayesa Drzewa decyzyjne Ocena wydajności Ulepszanie wydajności Odkrywanie wzorców za pomocą reguł asocjacyjnych Grupowanie danych poprzez klasteryzację

Sygnatura czytelni BWEAiI: XII L 49

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 152589 (1 egz.)

Książka

W koszyku

Analiza statystyczna w środowisku R dla początkujących / John M. Quick ; [tł. Jacek Janusz]. - Gliwice : Helion, cop. 2012. - 280 s. : il. ; 23 cm.

(Technologia i Rozwiązania)

Autor

Quick John M. Janusz Jacek.

Temat

R (język programowania) Metody statystyczne.

Gatunek

Podręczniki

U dołu s. tyt. i okł. nazwa wydaw. oryg.: Packt Publishin.

U dołu s. tyt. i okł.: Open source community experience distilled.

U dołu okł.: Dowiedz się, jak zwiększyć skuteczność analiz dzięki R! Jak rozpocząć przygodę ze środowiskiem R? Jak przeprowadzić analizę w środowisku R? Jak przygotować elegancki wykres?

Indeks.

Sygnatura czytelni BMW: IV B 53 (nowy)

dostępna do wypożyczenia

Ta pozycja znajduje się w zbiorach 2 placówek. Rozwiń listę, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. 132979 (1 egz.)

Biblioteka Międzywydziałowa

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 131470 N (1 egz.)

Brak okładki

Książka

W koszyku

Optimal experimental design with R / Dieter Rasch [et al.] - Boca Raton [etc.] : CRC Press, Taylor & Francis, cop. 2011 - XIX, [1], 325 s. : il. ; 24 cm.

Autor

Rasch Dieter (1935- ).

Temat

Metody statystyczne. R (język programowania)

Bibliogr. s. 307-317. Indeks.

dostępna do wypożyczenia

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Są egzemplarze dostępne do wypożyczenia: sygn. Z 8567 (1 egz.)

Książka

W koszyku

Język R : kompletny zestaw narzędzi dla analityków danych / Hadley Wickham, Garrett Grolemund ; [tłumaczenie: Joanna Zatorska]. - Gliwice : Helion, copyright 2020. - 427, [5] stron : ilustracje ; 24 cm.

Autor

Wickham Hadley. Grolemund Garrett. Zatorska Joanna.

Forma i typ

Książki Publikacje fachowe

Odbiorca

Analitycy informacji i raportów medialnych

Temat

Języki programowania R (język programowania) Wizualizacja (grafika) Baza danych Data mining

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Tytuł oryginału: R for data science.

Na okładce i stronie tytułowej logo wydawcy angielskiego wydania: O'Reilly.

Indeks.

Część I Przegląd Rozdział 1. Wizualizacja danych za pomocą pakietu ggplot2 Wymagania wstępne Pierwsze kroki Ramka danych mpg Tworzenie wykresu za pomocą ggplot Szablon wykresu Ćwiczenia Mapowanie estetyk Typowe problemy Panele Obiekty geometryczne Przekształcenia statystyczne Dostosowanie położenia Systemy współrzędnych Warstwowa gramatyka graficzna Rozdział 2. Organizacja pracy podstawy Podstawy kodowania Co się kryje pod nazwą Wywoływanie funkcji Rozdział 3. Przekształcanie danych za pomocą pakietu dplyr Wymagania wstępne nycflights13 Podstawy dplyr Filtrowanie wierszy za pomocą funkcji filter() Porównania Operatory logiczne Brakujące wartości Organizowanie wierszy za pomocą funkcji arrange() Wybieranie kolumn za pomocą funkcji select() Dodawanie nowych zmiennych za pomocą funkcji mutate() Przydatne funkcje do tworzenia nowych zmiennych Zgrupowane wartości sumaryczne za pomocą funkcji summarize() Łączenie kilku operacji w potok Brakujące wartości Liczność Przydatne funkcje sumaryczne Grupowanie według wielu zmiennych Rozgrupowywanie Ćwiczenia Grupowanie wyników mutowania (i filtrowania) Rozdział 4. Organizacja pracy skrypty Uruchamianie kodu Diagnostyka RStudio Rozdział 5. Eksploracyjna analiza danych Wymagania wstępne Odchylenie Wizualizacja rozkładów Typowe wartości Wartości nietypowe Wartości brakujące Kowariancja Zmienna kategorialna i ciągła Dwie zmienne kategorialne Dwie zmienne ciągłe Wzorce i modele Wywołania ggplot2 Więcej informacji Rozdział 6. Organizacja pracy projekty Co jest prawdziwe Gdzie przebywają nasze analizy Ścieżki i katalogi Projekty RStudio Część II Przygotowywanie Rozdział 7. Dane typu tibble z użyciem pakietu tibble Wymagania wstępne Tworzenie danych typu tibble Typ tibble w porównaniu z typem data.frame Wyświetlanie Tworzenie podzbiorów Interakcje ze starszym kodem Rozdział 8. Importowanie danych za pomocą pakietu readr Wymagania wstępne Zaczynamy Porównanie z bazowym R Parsowanie wektora Liczby Napisy Czynniki Daty, dane data i czas oraz czas Parsowanie pliku Strategia Problemy Inne strategie Zapis do pliku Inne typy danych Rozdział 9. Czyszczenie danych z wykorzystaniem pakietu tidyr Wymagania wstępne Czyszczenie danych Rozkład i gromadzenie Gromadzenie Rozkładanie Rozdzielanie i łączenie Rozdzielanie Łączenie Brakujące wartości Studium przypadku Dane nieoczyszczone Rozdział 10. Dane relacyjne z wykorzystaniem pakietu dplyr Wymagania wstępne nycflights13 Klucze Złączenia mutujące Na czym polegają złączenia Złączenie wewnętrzne Złączenia zewnętrzne Zduplikowane klucze Definiowanie kolumn kluczy Inne implementacje Złączenia filtrujące Problemy ze złączeniami Operacje na zbiorach Rozdział 11. Przetwarzanie napisów za pomocą pakietu stringr Wymagania wstępne Podstawy napisów Długość napisu Łączenie napisów Wyodrębnianie fragmentów napisów Ustawienia regionalne Dopasowywanie wzorców do wyrażeń regularnych Podstawowe dopasowanie Kotwice Klasy znaków i alternatywy Powtórzenie Ćwiczenia Grupowanie i odwołania wsteczne Ćwiczenia Narzędzia Wykrywanie dopasowań Wyodrębnianie dopasowań Dopasowania zgrupowane Zastępowanie dopasowań Dzielenie Znajdowanie dopasowań Inne typy wzorców Inne sposoby użycia wyrażeń regularnych Pakiet stringi Rozdział 12. Czynniki z użyciem pakietu forcats Wymagania wstępne Tworzenie czynników Badania General Social Survey Modyfikowanie kolejności czynnika Modyfikowanie poziomów czynników Rozdział 13. Przetwarzanie daty i czasu za pomocą pakietu lubridate Wymagania wstępne Tworzenie daty lub czasu Na podstawie napisów Na podstawie poszczególnych komponentów Na podstawie innych typów Komponenty danych typu data i czas Pobieranie komponentów Zaokrąglanie Ustawianie komponentów Odcinki czasu Czasy trwania Okresy Interwały Podsumowanie Strefy czasowe Część III Program Więcej informacji Rozdział 14. Potoki z wykorzystaniem pakietu magrittr Wymagania wstępne Alternatywy potoków Kroki pośrednie Nadpisywanie oryginału Definiowanie funkcji Użycie potoku Kiedy nie należy używać potoków Inne narzędzia z pakietu magrittr Rozdział 15. Funkcje Wymagania wstępne Kiedy powinienem napisać funkcję Funkcje są dla ludzi i komputerów Wykonywanie warunkowe Warunki Wiele warunków Styl kodu Argumenty funkcji Wybieranie nazw Sprawdzanie wartości Argument Leniwe przetwarzanie Zwracane wartości Jawne instrukcje zwracania Pisanie funkcji nadających się do potoku Środowisko Rozdział 16. Wektory Wymagania wstępne Podstawy wektorów Ważne typy wektorów atomowych Logiczne Liczbowe Napisów Brakujące wartości Ćwiczenia Używanie wektorów atomowych Wymuszanie Funkcje testujące Skalary i reguły dopełniania Nazywanie wektorów Tworzenie podzbiorów Wektory rekurencyjne (listy) Wizualizowanie list Tworzenie podzbiorów Listy przypraw Atrybuty Wektory rozszerzone Czynniki Daty i dane typu data i czas Tibble Rozdział 17. Iteracje za pomocą pakietu purrr Wymagania wstępne Pętle for Odmiany pętli for Modyfikowanie istniejącego obiektu Wzorce pętli Nieznana długość wektora wyjściowego Nieznana długość sekwencji Pętle for kontra programowanie funkcyjne Funkcje mapujące Skróty Bazowy R Obsługa niepowodzeń Mapowanie na podstawie wielu argumentów Wywoływanie różnych funkcji Funkcja walk Inne wzorce pętli for Funkcje predykatów Funkcje reduce i accumulate Część IV Model Generowanie kontra potwierdzanie hipotez Rozdział 18. Podstawy modelowania z wykorzystaniem pakietu modelr Wymagania wstępne Prosty model Wizualizowanie modeli Przewidywania Resztki Formuły i rodziny modeli Zmienne kategorialne Interakcje (ciągłe i kategorialne) Interakcje (dwie zmienne ciągłe) Przekształcenia Wartości brakujące Inne rodziny modeli Rozdział 19. Budowanie modelu Wymagania wstępne Dlaczego diamenty niskiej jakości są droższe Cena w zależności od ilości karatów Bardziej skomplikowany model Co wpływa na liczbę lotów w ciągu dnia Dzień tygodnia Sezonowy efekt soboty Zmienne obliczane Czas roku podejście alternatywne Więcej informacji o modelach Rozdział 20. Wiele modeli z użyciem pakietów purrr i broom Wymagania wstępne gapminder Dane zagnieżdżone Kolumny w postaci list Usuwanie zagnieżdżenia Jakość modelu Kolumny w postaci list Tworzenie kolumn w postaci list Z zagnieżdżaniem Za pomocą funkcji zwektoryzowanych Na podstawie podsumowania wielowartościowego Na podstawie listy nazwanej Upraszczanie kolumn w postaci list Przekształcanie listy w wektor Usuwanie zagnieżdżenia Czyszczenie danych za pomocą pakietu broom Część V Komunikowanie Rozdział 21. R Markdown Wymagania wstępne Podstawy R Markdown Ćwiczenia Formatowanie tekstu za pomocą Markdown Ćwiczenia Fragmenty kodu Nazwa fragmentu Opcje fragmentów Tabela Zapisywanie w pamięci podręcznej Opcje globalne Kod inline Rozwiązywanie problemów Nagłówek YAML Parametry Bibliografie i cytaty Więcej informacji Rozdział 22. Grafika dla komunikacji z wykorzystaniem ggplot2 Wymagania wstępne Etykieta Adnotacje Skale Znaczniki osi i klucze legendy Układ legendy Zastępowanie skali Powiększanie Szablony Zapisywanie wykresów Zmiana rozmiaru rysunków Inne ważne opcje Więcej informacji Rozdział 23. Formaty R Markdown Opcje wyjścia Dokumenty Notatniki Prezentacje Pulpity Interaktywność htmlwidgets Shiny Serwisy WWW Inne formaty Więcej informacji Rozdział 24. Sposób pracy z R Markdown

Sygnatura czytelni BWEAiI: XII L 45

aktualnie wypożyczona

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Wypożyczalnia

Wszystkie egzemplarze są obecnie wypożyczone: sygn. 149893 N (1 egz.)