گوگل با استفاده از یادگیری ماشین و مدل رگرسیون لجستیک برای یافتن جای پارک به رانندگان کمک می‌کند:
⁦Using Machine Learning to predict parking difficulty

https://research.googleblog.com/2017/02/using-machine-learning-to-predict.html

@R_Experts

▪ Central Limit Theorem


🆔 @R_Experts

◄◄◄ نحوی فراخوانی فایل هایی با برچسب #فارسی

◄◄کاری از گروه R_Experts

► join us : @R_Experts

#two_sample_ttest
◀️آزمون تی تست دو نمونه ای مستقل
◀️تهیه شده در تیم R Experts
@R_Experts

Being a programmer feels like being the demiurge
I'm #Programmer ✌️

📢آموزش رايگان برنامه نويسي R✔️
📢برگزار كننده كارگاه هاي آموزشي مجازي ®®
Join us at👇👇
https://telegram.me/R_Experts

#colortools

Color is crucial for elegant data visualization. Here we describe the list of color palettes available in R.

Colortools

: R package for creating easily color schemes in R

The excellent R package colortools developed by Gaston Sanchez is an easy to use solution for generating color schemes in R.

install.packages("colortools")
library(colortools)

Now Some Example

#Color_wheel
The function wheel() can be used to generate a color wheel for a given color :

wheel("darkblue", num = 12,main = "R_Experts",col.main="red")

#Analogous_color_scheme

analogous("darkblue")

@R_Experts

#Complementary_color_scheme

complementary("steelblue")

#Split_Complementary_Color_Scheme

splitComp("steelblue")

#Tetradic_Color_Scheme

tetradic("steelblue")

@R_Experts

# Square_color_scheme

square("steelblue")

#Sequential_colors

sequential("steelblue")

► join us :@R_Experts

#wheel

► join us : @R_Experts

#analogous

► join us : @R_Experts

#complementary

► join us : @R_Experts

#splitComp

► join us : @R_Experts

#tetradic

► join us : @R_Experts

#square

► join us : @R_Experts

#sequential

► join us : @R_Experts

#Normality_Test

#Shapiro_Wilk

► join us : @R_Experts

📢سخنراني تخصصي گروه آمار دانشگاه تبريز ✌️

سخنران: پروفسور احمد پارسيان🌷

موضوع: توزيع پيشين در استنباط هاي بيزي📝

مكان: دانشكده رياضي اتاق سمينار

❇️به زودی متن pdf سمینار از همین کانال
@R_Experts

► #HOW_TO_COMPARE_VALUES_IN_LOGICAL_ VECTORS_IN_R

► join us : @R_Experts

📢سخنراني تخصصي گروه آمار دانشگاه تبريز ✌️

❇️متن ارائه سمینار

سخنران: پروفسور احمد پارسيان🌷

موضوع: توزيع پيشين در استنباط هاي بيزي📝

مكان: دانشكده رياضي اتاق سمينار

#Happy_Teacher's_Day

@R_Experts

#آموزش دریافت داده از #بانک_جهانی در قالب #جیسان

برای دریافت داده از برخی سایت ها مانند بانک جهانی می بایست داده ها را از فرمت #json به دیتافریم در R تبدیل کرد. برای این کار می توانید از بسته ی #rjson و تابع #fromJSON استفاده کنید.

به عنوان مثال در مثال زیر داده های جمعیت ایران و عربستان در سالهای ۱۹۷۵ تا ۲۰۱۵ دریافت شده و نمودار آن با استفاده از #ggplot ترسیم شده است:

# install.packages(c("rjson","ggplot2"))

library(rjson)

library(ggplot2)

pop <- readLines("https://api.worldbank.org/countries/ir; sa/indicators/SP.POP.TOTL?per_page=200&date=1975:2015&format=json")

pop <- fromJSON(pop)

pop <- data.frame(matrix(unlist( pop[[2]] ), ncol = 7, byrow = T), stringsAsFactors = F)

pop$X5 <- as.numeric(pop$X5) / 1000000

pop$X7 <- as.numeric(pop$X7)

ggplot(pop) + geom_point(aes(x=X7, y=X5)) + 

  facet_grid(~X4) + xlab("") + ylab("Total Population (Million)")

خروجی دستورات #fromJSON و #ggplot

#Variance_Ratio_Test

آزمون نسبت واریانس ها که آزمون فرضی مبتنی بر پی ولیو در اختیار ما قرار میدهد

با تابع

variance.ratio<-function(x,y) {

v1<-var(x)

v2<-var(y)

if (var(x) > var(y)) {

vr<-var(x)/var(y)

df1<-length(x)-1

df2<-length(y)-1}

else { vr<-var(y)/var(x)

df1<-length(y)-1

df2<-length(x)-1}

2*(1-pf(vr,df1,df2)) }

#Example

a<-rnorm(10,15,2)

b<-rnorm(10,15,4)

variance.ratio(a,b)

[1] 0.01593334

همان طور که مشاهده می شود با تولید عدد تصادفی از توزیع نرمال با انحراف معیار 2و4 فرض برابری واریانس ها یا

نسبت برابر با 1 رد میشود ، پی ولیو کمتر از 5 صدم بنابراین باعث رد فرض صفر میشود

لازم به ذکر است فرض صفر این ازمون برابری واریانس یا نسبت و فرض 1 نقیض این فرض میباشد

@R_Experts