A "Life Expectancy Visualization" is a graphical representation of the average number of years a person can expect to live in different countries or regions around the world.

RPubs
https://rpubs.com/HamedRz/LEV


📅1402/02/12

╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯

#ggplot2



╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯

#ggplot2



╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯

#ggplot2



╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯

╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯

╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯

آمار جز نقاط برآوردی بود که به ما آموخت، شریف بودن تابع زیان تعریف نشده‌‌ای دارد.

یکم آبان روز ملی آمار و برنامه‌‌ریزی بر تمامی زحمت‌کشان این حوزه مبارک‌ باد


دوست‌دار شما حامد :)


╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯

یه نکته جالب بهتون بگم؟ مدت ها بود که همش فکر میکردم چرا توی جملات انگلیسی وقتی عبارت Data میاد ما باید از افعال جمع استفاده کنیم ولی مثلا عبارت Information اینطور نبود؟ امروز بالاخره فهمیدمش!
همونطور که ما خیلی از زبان عربی در زبان فارسی وام گرفتیم، انگلیسی ها هم از زبان لاتین بسیار وام گرفتن.
در زبان فارسی وقتی میخوایم یه کلمه رو جمع کنیم یه پسوند "ها" و یا "ان" بهش میدیم ولی برای کلمات مفرد چنین چیزی نداریم. مثلا اسم "درخت" جمعش میشه "درختان یا درختها" . در انگلیسی هم دقیقا مثل فارسی S جمع میگیره آخر اسامی ولی مفردش بدون هیچ علامتی میاد اما در زبان لاتین اینطور نیست!
زبان لاتین سه تا پسوند داره که مشخص کننده اسامی مفرد هست این سه پسوند عبارتند از on , um و us . حالا وقتی کلامتی که با این پسوند ها هستند بخوان جمع بشن اگه با پسوند on و um باشد تبدیل میشه به a و اگر با us باشه تبدیل میشه به i.
حالا عبارت data در واقع جمع کلمه datum هست که میشه داده ها!!!
یه مثال دیگه هم عبارت Media هست که جمع کلمه Medium هست که میشه رسانه ها. البته این اسم هستا، اون متوسط صفتشه!

این نکته توی آزمون آیلتس و تافل خیلیا رو زخمی میکنه. این نکته رو امروز یاد گرفتم و گفتم باهاتون به اشتراک بذارم شاید که بدردتون بخوره.


╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯

╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯

اصل دروازه‌بان ترسو می‌گوید با اینکه بیش از ۱/۳ پنالتی‌ها به وسط دروازه زده می‌شوند! اما در ۹۰ درصد مواقع دروازه‌بان چپ یا راست را برای حرکت انتخاب می‌کند! گاهی در تصمیم، در مورد یک مساله هیچ کاری نکردن بهتر از وارد کردن یک زیان سنگین است!



╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯

گروه آموزش پایتون برای دانشجویان آمار



https://t.iss.one/Pythonstatistics


╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯

ترید کردن یکی از بهترین راه ها برای شناخت خود واقعی شماست
ترید کردن همه چیز رو در شما به ازمون میکشه
طمع شما /احساسات شما /صبر شما /نظم شما /روش کنترل شکست هاتون /میزان تسلط روی خودتون /هوش /میزان قضاوت صحیح /قابلیت تصمیم گرفتن /میل به پیروزی......

ترید کردن همه چیز شما رو تست میکنه

من شدیدا به همه توصیه میکنم زمانی رو در زندگیشون برن به سمت اموزش و کسب تجربه از طریق ترید کردن

این کار یک حرکت ذهنی رو به جلو در زندگیتون ایجاد میکنه که بعدا میتونید ازش استفاده کنید

این کار برای تمام افراد مفیده چون یکی از چیزهایی هست که نتیجه سریع اقداماتتون رو نشونتون میده

اگر غلط تصمیم بگیرید پول از دست میدید و اگر درست تصمیم بگیرید پول به دست میارید

و شما یاد میگیرید چطور همیشه تصمیمات درست بگیرید

پس حتما ترید کردن رو یاد بگیرید و تجربه اش کنید

ترید یک آزمون بدون نقص سنجش توانایی مدیریت افراد است.

اگر یک فرد صرفا آکادمیک در آمار نیستید! و تمایل به مواجه شدن با چالش‌های دنیای واقعی تحلیل، تصمیم، نتیجه‌گیری هستید حتما ترید کنید
اما در یک حساب واقعی نه دمو!


╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯

امروز بر روی یک سری دیتای واقعی جرم و جنایت در ایالات متحده کار کردیم، مساله خیلی ساده بود! رگرسیون خطی ساده، اما چالش اصلی نحوه مواجه شدن با دیتا برای رعایت فرض‌های رگرسیون ساده بود، هر چقدر از جذابیت این مدل برای این دیتاست بگم کم گفتم، گاهی باید چشم‌هارو شست درست در مساله تامل کرد! جهان سوم جایی است که شما را با اسامی بزرگ به مانند یادگیری ماشین، هوش مصنوعی، شبکه عصبی درگیر می‌کنند! این به معنی عدم کاربردی بودن این زمینه‌ها نیست! به این معنی است که شما می‌توانید از دل نمونه‌گیری خوشه‌ای و میانگین مدلی با دقتی بالاتر از یک مدل یادگیری ماشین دست بیابید! و من این را هنر می‌نامم چون از مقوله دانش خارج است!

بسی رنج بردم در این ده سال/ عجم زنده کردم بدین آمار

╭──•═✾🔘✾═•──╮
••• @R_Experts •••
╰──•═✾🔝✾═•──╯