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

تعادل نش یعنی موقعیت‌هایی که در آنها انتخاب شما وابسته به انتخاب دیگران نیز است ،
سال‌ها پیش آدام اسمیت پدر علم اقتصاد مدرن مطرح کرد که در رقابت،
انگیزه‌های فردی به اهداف مشترک کمک می‌کنند و بهترین نتایج موقعی پدید می‌آیند
که هر کسی در گروه کاری را که برای خودش بهترین است انجام دهد
سال‌ها این تفکر اساس تصمیم‌گیری‌های مهم اقتصادی بود و در کلاس‌های درس اقتصاد
این نظریه به عنوان اصول اصلی علم اقتصاد و یک اصل کامل تدریس می‌شد،
جان نش سرانجام در سال ۱۹۹۴ به‌دلیل تلاش‌های ارزنده‌ای که در زمینه تکامل نظریه بازی‌ها انجام داد جایزه نوبل اقتصاد را دریافت کرد،
او نظریه خود را که در تقابل با صد و پنجاه سال تئوری اقتصادی بود چنین مطرح کرد که «بهترین نتایج موقعی حاصل می‌شوند که هرکس آنچه را که برای خود و گروه بهترین است انجام دهد.»
او مسئله همکاری را در نظریه بازی‌ها گسترش داد و نشان داد که اگر افراد همکاری کنند
و نفع گروه را نیز در نظر داشته باشند به بیشترین منافع و سود برای خود و گروه دست می‌یابند.
این موضوع از طریق مثال معمای زندانی‌ها (prisoners dellima) بهتر روشن می‌شود
معمای زندانی‌ها نشان می‌دهد که چگونه دو نفر در همکاری، برای اینکه خود به سود بیشتری برسند به خودشان ضرر می‌رسانند؛ درحالی‌که می‌توانند هر دو نتایج بهتری به‌دست آورند ،
این معما به این ترتیب است: دو نفر که به جرم شرکت در یک سرقت مسلحانه بازداشت شده‌اند، جداگانه مورد بازجویی قرار می‌گیرند و به هرکدام از آنها جداگانه چنین می‌گویند:
اگر دوستت را لو بدهی و علیه او شهادت دهی و او سکوت کند، تو آزاد می‌شوی ولی او به پنج سال حبس محکوم خواهد شد، اگر هر دو یکدیگر را لو بدهید و علیه یکدیگر شهادت دهید، هر دو به سه سال حبس محکوم خواهید شد. اگر هیچ‌کدام همدیگر را لو ندهید و سکوت کنید، هر دو به یکسال حبس محکوم خواهید شد. در اینجا به نفع هر دو زندانی است که حالت سوم را انتخاب کنند و بنا بر نظریه جان نش آنچه را به نفع خود و گروه است انتخاب کنند، ولی چون هر کدام از آنها تنها به فکر خود و به دنبال کسب بهترین نتیجه برای خود یعنی آزاد شدن است و به طرف مقابل نیز اعتماد ندارد دوست خود را لو می‌دهد و هر دو ضرر خواهند کرد؛ که البته حالت منطقی نیز همین است (چون در این مورد استثنایی از تصمیم همدیگر خبر ندارند). یعنی از دید هر زندانی جدای اینکه زندانی دیگر کدام حالت (شهادت یا سکوت) را انتخاب کند برای او بهتر است که شهادت داده و زندانی دیگر را لو دهد، اما نتیجه خلاف این می‌شود و هر دو ضرر می‌کنند که معما در همین‌جا است. اگر هر دو از تصمیم هم مطلع بودند و می‌توانستند، با هم همکاری کنند نتیجه بهتری به‌دست می‌آمد اما چون دو زندانی از تصمیم همدیگر اطلاع ندارند و تنها نفع خود را در نظر می‌گیرند و مطابق نظریه آدام اسمیت عمل می‌کنند هر کدام از آنها علیه دیگری شهادت می‌دهند و در نهایت هر دو ضرر می‌کنند، دلیل این است که در موقعیت‌هایی که علاوه برخود فرد، انتخاب دیگران و اطلاع از انتخاب دیگران نیز اهمیت دارد، دیگر نظریه آدام اسمیت کاربرد ندارد و ناقص است و استفاده از آن بهترین نتایج را به دست نمی‌دهد؛ همان چیزی که جان نش مطرح کرد.
نظریه بازی‌ها در تلاش است تا موقعیت‌هایی را که در آن منافع افراد در تضاد است مدل سازی کند. این موقعیت زمانی پدید می‌آید که موفقیت فرد و تصمیم او وابسته به تصمیم و استراتژی‌هایی است که طرف مقابل انتخاب می‌کند و هدف نهایی نظریه بازی‌ها یافتن استراتژی بهینه برای بازیکنان است.
کار مهمی که جان نش انجام داد و تا پیش از او در نظریه بازی‌ها مطرح نشده بود، یعنی آن چیزی که این نظریه آن را کم داشت، مسئله تعادل بود و اینکه هر بازی در نهایت یک تعادل دارد که این تعادل می‌تواند، برد یا باخت باشد. البته جان نش مطرح کرد هر بازی می‌تواند هر دو سر برد یا هر دو سر باخت نیز داشته باشد، اما در هر صورت بازی تعادل دارد. به بازی‌هایی که در آنها همیشه یک برنده و یک بازنده وجود دارد در اصطلاح بازی‌های با مجموع صفر می‌گویند مانند شطرنج اما به بازی‌هایی که این گونه نیستند و هر دو طرف می‌توانند سود ببرند بازی‌های با مجموع غیر صفر می‌گویند. جان نش کار زیادی روی تعادل در بازی‌های عدم همکاری انجام داد که بعدها به تعادل نش معروف شد. نظریه بازی‌ها در موضوعات بسیاری از جمله نحوه تعامل تصمیم‌گیرندگان در محیط رقابتی و به‌ویژه در بازارهای انحصار چندجانبه که تعداد اندکی تصمیم‌گیرنده حضور دارند و نحوه واکنش و تصمیم دیگر بازیکنان اهمیت می‌یابد، کاربرد فراوانی دارد. همچنین نظریه بازی‌ها علاوه‌بر اقتصاد در دیگر علوم رفتاری همچون علوم سیاسی، روان‌شناسی، جامعه‌شناسی، فلسفه و منطق نیز کاربرد دارد. حتی در زیست‌شناسی هم برای تحلیل تکامل و تحلیل رفتار نزاع برای بقا، از نظریه بازی‌ها استفاده می‌شود.
@R_Experts

#Simulation_Game_Theoretical
Package:Game Theory
@R_Experts

#Kruskal's #Algorithm

در نظریه گراف، الگوریتم کروسکال الگوریتمی برای یافتن یک زیرگراف فراگیر همبند

با کمترین وزن در یک گراف وزن‌دار است (در یک گراف وزن دار، به هر یال وزنی نسبت داده شده‌است)

همچنین این الگوریتم برای یافتن کوچکترین درخت فراگیر در یک گراف وزن دار استفاده می‌شود.

در زبان R بسته
optrees

برای انجام این کار استفاده میشود که برای انجام آن از سه متد پریم ،کروسکال ، بوروکا استفاده میشود

همچنین از این بسته برای ساخت درخت پوشای کمینه نیز میتوان استفاده کرد

این بسته در 20 فوریه 2015 در جمع بسته های R قرار گرفت

@R_Experts