#ALSM_Package

بسته ای که در زمینه مدل های خطی آماری طراحی شده ،

طراح این بسته آقای علی قنبری

و بر اساس ویرایش پنجم کتاب مدل های خطی آقای جان نتر طراحی شده است ،

و میتوانید به دیتا ست های این کتاب در این بسته دسترسی داشته باشید

برای اطلاعات بیشتر میتوانید به راهنمای بسته


https://cran.r-project.org/web/packages/ALSM/ALSM.pdf

مراجعه فرمایید.
@R_Experts

#شبیه_سازی

یک ابزار قدرتمند برای طراحی و تحلیل سیستم¬ها ،فرآیندهای پیچیده مهندسی است که به استفاده کنندگان از آن، امکان انجام آزمایش با سیستم¬هایی را می¬دهد که در عمل غیر ممکن یا پر هزینه هستند.
به عنوان مثال قبل از پرتاب یک ماهواره عملیات پرتاب در شرایط مختلف بارها شبیه سازی می¬شود تا هزینه¬ها به حداقل برسد
شبیه سازی در آمار از قرن بیستم مطابق با شروع انتشار رادیو و تلویزیون آغاز شده است. همانطور که استفاده از این وسایل در زندگی هر کسی معمول و متداول شده، استفاده از شبیه سازی نیز در بسیاری از شاخه¬های علم آمار گسترش یافته است.
از کاربردهای شبیه سازی در آمار می¬توان به تولید داده¬های تصادفی از توزیع-های گسسته یا پیوسته، تولید اعداد شبه تصادفی (تصادفی)، محاسبه (تقریب) انتگرالها، محاسبه (تقریب) احتمالات پیچیده و محاسبه (تقریب) امید ریاضی توابعی از متغیرهای تصادفی اشاره کرد.
برای پاسخ به سوالاتی که نظریه آمار برای آن جوابی ندارد نیز می¬توان از شبیه سازی استفاده کرد و جواب تجربی بدست آورد.

انواع شبیه سازی:
1-شبیه سازی مولد(نمونه ساز)
2-شبیه سازی تحلیلی یا تکنیکی
3-شبیه سازی راهبردی یا پیگردی
4-شبیه سازی ذهنی یا شهودی


https://telegram.me/R_Experts


@R_Experts

اولین نوع شبیه سازی زمانی به کار میرود که به دلایلی نتوان داده نمونه را برای متغیر تحت بررسی به دست اورد زیرا هنوز وقوع نیافته یا ثبت نشده است یا اینکه نمونه گیری از آن مقرون به صرفه نیست
تنها دانشی که به ما در شبیه سازی کمک میکند اطلاعات پیرامون جمعیتی است که نمونه گیری باید در آن صورت گیرد
این نوع شبیه سازی را میتوان برای پیش بینی از طریق مدل های رگرسیونی حاوی خطای تصادفی نیز به کار برد
برای مثال فرض کنیم Y=a + bW + cX + e که در آن Y متغیر مورد مطالعه ،Wمتغیری با نمونه قابل دسترس ، X متغیری با میانگین و توزیع احتمال مشخص و غیر قابل نمونه گیری و e جمله خطا با توزیع نرمال با میانگین µ و واریانس σ^2 است در این حالت به منظور بررسی رفتار Y باید مقدار X,e را شبیه سازی نمود.
دومین نوع زمانی مورد استفاده است که سوال اصلی، نحوه رفتار مدل یا متغیر تحت بررسی – در صورت بروز تغییر در متغیرهای الگو - باشد برای مثال اگر بخواهیم در رابطه
Y= a + bX + cX2 حساسیت Y را نسبت به تغییرات c بسنجیم میتوانیم از طریق ایجاد تغییرات ساختگی این موضوع را شبیه سازی کنیم
نوع سوم شبیه سازی بیشتر در مواقعی به کار برده میشود که چگونگی اثر تغییر متغیری تحت کنترل بر متغیر مورد مطالعه مد نطر است
فرض کنید در مثال بالا متغیر X تحت کنترل است یعنی مقداری که اختیار میکند به اقدام و بررسی کننده بستگی دارد و قصد داریم بدانیم اگر آن را از مقدار اولیه x0 به x1 برسانیم چه اتفاقی برای Y می افتد؟ آزمون این سوال نیز از طریق شبیه سازی مدلی که یک بار توسط مشاهدات تاریخی تایید شده میسر است و به آن شبیه سازی ( چه اتفاق می افتد اگر ؟) میگویند
بالاخره اخرین نوع شبیه سازی در واقع همان الگو برداری از فرآیند تصمیم گیری مغز انسان، درمورد متغیر های اثر گذار است که پس از نسخه برداری، در ساخت هوش های مصنوعی به کار گرفته میشود
در حقیقت این ذهن بشر است که شبیه سازی میشود در این مورد میتوان دستگاه های شبیه سازی پرواز را مثال زد


https://telegram.me/R_Experts

#شبیه سازی یک #مدل_اقتصادی ساده با پارامترهای زمان ، سرمایه ،کار و خروجی رو در برنامه زیر اوردیم 👇👇

> Output <- 10
> Capital <- 2.5
> Labour <- 2
> 
> generator <- function(steps,s, n, k){
+     for(i in 2:(steps)){
+         Capital[i] <- (1-s)*Output[i-1]+Capital[i-1]
+         Labour[i] <- n*Labour[i-1]
+         Output[i] <- Capital[i]*Labour[i]*k
+     }
+     return(data.frame(Output = Output, Capital = Capital, Labour = Labour))
+ }
> 
> print(generator(steps=10, s=.01, n=1.002, k=1.01))
         Output     Capital   Labour
1      10.00000     2.50000 2.000000
2      25.09810    12.40000 2.004000
3      75.54043    37.24712 2.008008
4     227.66547   112.03214 2.012024
5     687.05944   337.42096 2.016048
6    2076.20990  1017.60980 2.020080
7    6282.44072  3073.05760 2.024120
8   19035.58017  9292.67391 2.028169
9   57754.36286 28137.89829 2.032225
10 175462.70501 85314.71752 2.036289
> 

@R_Experts

ساده ترین راه شبیه سازی حرکت براونی

#GBM

set.seed(1)

f0 <-102

mu <-(0.05)

sigma <-0.08

T <-0.5

t <- seq(1/365,T,by=1/365)

n <-length(t)

#method 1

f<-numeric(n)

f<-sapply(t,function(t) f0*exp((mu-0.5*sigma^2)*t+sigma*rnorm(1,mean=0,sd=sqrt(t))))

diff <- f- f0

plot(t,f,type="l")

#method 2

dt <- 1/365

f2<-numeric(n)

f2[1]<- f0

delta<-0

for (i in 2:n) {

  delta = mu*f2[i-1]*dt+sigma*f2[i-1]*rnorm(1,mean=0,sd=sqrt(dt))

  f2[i]=f2[i-1]+delta

}

plot(t,f2,type="l")

@R_Experts

منبع سایت Quick -R
ویرایش دوم
یکی از بهترین منابع کاربردی زبان R
@R_Experts

R in Action :)

@R_Experts

▶️ #Take_Input_From_User

▶️ #readline()

🆔 @R_Experts

▶️ The R Book

▶️ Michael J. Crawley

▶️ 27 Chapters

▶️ 951 pages

🆔 @R_Experts

▶️ The R Book

• Second edition

▶️ Michael J. Crawley

▶️ 29 Chapters

▶️ 1077 pages

🆔 @R_Experts

🔶100 Statistical Tests

▶️Gopal K Kanji

☑️Third Edition

🆔 @R_Experts

▶️ Introducing Monte Carlo Methods with R

▶️ Robert Gentleman · Kurt Hornik · Giovanni Parmigiani

▶️ 8Chapters

▶️ 297 Pages


🆔 @R_Experts

® کانال آموزش زبان R


🔰شماره آموزش :1

🔰موضوع :#تاریخچه "R"


🔶زبان R برای اولین بار به عنوان یک پروژه تحقیقاتی توسط راس ایهاکا (Ross Ihaka) و رابرت جنتلمن (Robert Gentleman) نوشته شد، و در حال حاضر توسط گروهی از متخصصان علم آمار به نام "تیم هسته زبان R " با صفحه ای در آدرس www.r-project.org در حال توسعه ی فعال می باشد.

زبان R به گونه‌ای طراحی شده، که بی شباهت به زبان نرم افزار S که توسط جان چمبرز (John Chambers) و دیگر افراد در آزمایشگاه‌های بل توسعه یافته بود نباشد. نسخه تجاری نرم افزار S با قابلیتهای بیشتر، توسط موسسه ی علوم آماری به عنوان نرم افزار SPlus توسعه یافته و به بازار عرضه شده؛ بعدها این نسخه نرم افزار SPlus، توسط شرکت Insightful خریداری شده و اکنون نیز متعلق به TIBCO Spotfire می باشد.زبان R و نرم افزار SPlus را می توان به عنوان دو پیاده‌ سازی زبان نرم افزار S در نظر گرفت.
زبان R بصورت رایگان در دسترس بوده و تحت پروانه ی عمومی همگانی، گنو (GNU) از بنیاد نرم افزارهای آزاد (FreeSoftware Foundation) توزیع می گردد. شما می توانید این برنامه را از شبکه جامع آرشیو نرم افزار R در (CRAN) دانلود نمایید. باینری های آماده اجرای زبان R برای سیستم عامل های ویندوز (Windows)، مک او اس ایکس (Mac OS X) و لینوکس (Linux) در دسترس می باشد.
کد منبع (source code) نیز قابل دانلود بوده و می تواند برای سیستم عامل های دیگر کامپایل شود.
حاوی محدوده گسترده‌ای از تکنیک‌های آماری (از جمله: مدل‌سازی خطی و غیرخطی، آزمون‌های کلاسیک آماری، تحلیل سری‌های زمانی، رده‌بندی، خوشه‌بندی و ...) و قابلیت‌های گرافیکی است. در محیط R، کدهای سی، سی++ و فورترن قابلیت اتصال و فراخوانی هنگام اجرای برنامه را دارند و کاربران خبره می‌توانند توسط کدهای سی، مستقیماً اشیا R را تغییر دهند.گرچه نرم‌افزار R اغلب به منظور انجام محاسبات آماری به کار می‌رود، این نرم‌افزار قابل به کارگیری در محاسبات ماتریسی است و در این زمینه، همپای نرم‌افزارهایی چون اُکتاو و نسخه تجاری آن متلب (MATLAB) است. R، همچنین زبانی قدرتمندی برای ایجاد اشکال گرافیکی و نمودارهاست.
به سرعت در حال تبدیل شدن به مهم ترین زبان برنامه نویسی برای هر دو، زیست شناسان تجربی و محاسباتی است .به خوبی طراحی شده است، بسیار کارآمد و به طور گسترده ای مورد استفاده قرار می گیرد و دارای یک پایگاه بسیار زیادی از همکاران و کاربرانی است که که قابلیت های جدید برای تمام جنبه های مدرن از تجزیه و تحلیل داده ها و تجسم را به آن اضافه میکنند. علاوه بر آن رایگان و منبع باز است.
شما می توانید از R برای تقریبا تمام موضوعات بیوانفورماتیک، پروتئومیکس، تجزیه و تحلیل آماری استفاده کنید بطور مثال
(Flow Cytometry, text and data mining, Seqeunce ,NGS,manipulation)
رابرت مونچن امار دانی که این زبان را تدریس میکند ،این زبان به عنوان محبوب ترین زبان برنامه نویسی در زمینه عملیات پژوهشی در سال 2015 اعلام کرده است نا گفته نماند ایشان به عنوان مسئول براورد محبوبیت نرم افزارهای پژوهشی نیز هستند.
و در اخر خاص بودن R را در
1-مجموعه قوی از عملگرهای محاسباتی
2-کتابخانه های خاص چند منظوره
3-بسته های نرم افزاری قدرتمند برای تجزیه و تحلیل
4-دارای مستندات فرمت بندی شده
5-قابلیت شبیه سازی های گوناگون
میتوان دانست.🔶
🔚®🔚

https://telegram.me/R_Experts/706

🆔 @R_Experts

® کانال آموزش زبان R


🔰شماره آموزش:2

🔰موضوع :#تغییر_زبان

برای این کار مسیر زیر را طی می کنیم :

1⃣

Control panel

2⃣

clock,Region and language

3⃣

format_add lanuage

بروید

4⃣و در سیستمتون فرمت

رو به انگلیسی
🔁

 United States 

تغییر بدهید.

🔚
https://telegram.me/R_Experts/713


🆔 @R_Experts

® کانال آموزش زبان R

🔰شماره آموزش :3

🔰موضوع :#معرفی_آشنایی

🆔 @R_Experts

® کانال آموزش زبان R

🔰شماره آموزش:4

🔰موضوع :#نصب_بسته

🆔 @R_Experts

® کانال آموزش زبان R

🔰شماره آموزش:5

🔰موضوع :#معرفی_Operators

🆔 @R_Experts