ورود

Login to your account

Username
Password *
Remember Me

انواع فرمت های فایل

رایج ترین فرمت های فایل متنی همراه با پسوند اختصاصی شان و توضیحات مختصری درباره آنها در جدول زیر درج شده اند و امکان ترجمه فوری آنها در سایت ما وجود دارد.کافی است فایل تان را از بخش سفارش ترجمه برای ما ارسال کرده و ترجمه مدنظرتان را با کیفیت عالی و به صورت ترجمه سریع تحویل بگیرید.

1ST

فایل Readme

602

سند Text602

_DOC

سند مایکروسافت وُرد تغییر نام یافته

_DOCX

سند XML باز مایکروسافت ورد تغییر نام یافته

ABW

سند AbiWord

ACT

نمودار کنش ویزارد مستندسازی FoxPro

ADOC

فایل AsciiDoc

AIM

فایل مدل اسکی AIMMS

ANS

فایل متنی ANSI

APT

تقریبا فایل متنی ساده

ASC

فایل اکسپورت اسکی AutoDesk

ASCII

فایل متنی اسکی

ASE

فایل اکسپورت صحنه اسکی اتودسک

AWT

الگوی AbiWord

BEAN

سند متن غنی Bean

BIB

پایگاه داده کتاب نگاری BibTeX

BIB

سند کتاب نگاری

BIBTEX

پایگاه داده کتاب نگاری BibTeX

BML

فایل بریل  2000 Braille

BNA

سند پردازشگر واژه Barna

BZABW

سند AbiWord فشرده

CALCA

سند CALCA

CHARSET

مجموعه کاراکتر

CHART

فایل نمودار Guitar Rhythm

CHORD

فایل آکورد ترانه

DCA

سند DisplayWrite

DFTI

سند FlexiWrite

DGS

سند Dagesh Pro

DIZ

توصیف در فایل زیپ

DOC

سند مایکروسافت ورد

DOC

سند WordPad

DOCM

سند XML باز ورد با ماکروی فعال شده

DOCX

سند XML باز ورد مایکروسافت

DOCXML

سند XML مایکروسافت ورد

DOCZ

سند یادداشت آنلاین ThinkFree

DOX

سند MultiMate

DROPBOX

ردیاب فولدر مشترک دراپ باکس

DSC

فایل توصیف متنی

DVI

فایل فرمت مستقل ابزارها

EML

پیام پستی

EMULECOLLECTION    

فایل داده eMule

ERR

فایل ثبت خطا

ERR

خطای کامپایل FoxPro

EUC

فایل کد یونیکس گسترده

FAQ

سند سوالات پرتکرار

FDF

فرمت داده های Acrobat Forms

FDR

سند پیش نویس نهایی

FDS

کپی امن پیش نویس نهایی

FOUNTAIN

فایل اسکریپت FOUNTAIN

FPT

یادداشت جدول FoxPro

FWD

یادداشت گزارش FoxPro

GMD

پیام GroupMail

GSD

فایل توصیف ایستگاه عمومی

HHT

فایل کمک و پشتیبانی مرکز HHT

HS

فایل جاوای HelpSet

IDX

فایل فهرست جعبه پستی

 

Outlook Express

 

IPF

فایل کمک OS/2

JNP

فایل Java Web Start

KLG

فایل ثبت رویداد

KWD

سند KWord

LATEX

سند LaTeX

LOG

فایل ثبت

LST

لیست داده ها

LTR

فایل نامه

LTX

سند لاتک

MAN

راهنمای یونیکس

MBOX

فایل صندوق پستی ایمیل

ME

فایل متنی Readme

MIN

فایل منبع مینت

MSG

پیام پستی Outlook

NOTES

فایل یادداشت های Memento

Now

فایل Readme

ODIF

فایل تبادل OpenDocument

ODO

سند نوشتن سیستم عامل آنلاین

ODT

سند متنی OpenDocument

PAGES

سند Pages

PDF

فرمت سند قابل حمل (Adobe)

PLAIN

سند متنی ساده

PRT

فایل خروجی پرینتر

PRT

فایل فرمت متنی حفاظت شده کپی ادیت شده

QPF

سند رمزنگاری شده QuickPad

README

فایل Readme

RFT

سند متنی فرم قابل بازنگری

RPT

گزارش اصلی

RTF

فایل فرمت متن غنی

RTFD

فایل فهرست فرمت متن غنی

RZK

فایل گذراژه File Crypt

SAVE

فایل ذخیره موقت Nano

SCW

سند نگارشگر صحنه Movie Magic

SDW

سند متنی نگارشگر StarOffice

SESSION

فایل جلسه موزیلا فایرفاکس

SIG

فایل امضا

SLA

سند Scribus

SMF

فایل فرمول StarMath

STRINGS

فایل رشته های متنی

SXG

سند اصلی اُپن آفیس آپاچی

TDF

فایل تعریف متن راهنما

TEX

سند منبع لاتکس

TEXT

فایل متنی ساده

TXT

فایل متنی ساده

UNX

فایل متنی یونیکس

UPD

اطلاعات به روز رسانی برنامه

UTXT

فایل متنی یونیکد

WPD

سند WordPerfect

WPT

الگوی WordPerfect

WTX

سند متنی

XDL

فایل زبان تعریف تخصصی اوراکل

XWP

پروژه XMLwriter

XWP

سند متنی نگارشگر زیراکس

XY

سند XYWrite

ZABW

فایل سند فشرده AbiWord

ZRTF

فایل متنی غنی فشرده Nisus

 

 

ترجمه سریع

چه  ویژگی ای باعث می شود که OLAP اینقدر سریع باشد؟

شاید به این فکر کنید که چه چیزی OLAP را اینقدر خاص و سریع می کند. راز OLAP در این است که  به افراد در تحلیل داده سریع کمک می کند یعنی OLAP اکثر کارها را طوری انجام می دهد که انگار از مته حفاری سریع برای کاوش در یک مجموعه داده استفاده می کنید
•    مته کاری(کاوش)  به داخل : این تکنیک تحلیلی یک عدد ( معمولا یک مجموع ) را به عددهای دیگری که آن را می سازند تجزیه می کند. مثلا ممکن است به رقم فروش های کل برای ایالت کالیفرنیا نگاه کنید و برای دیدن اینکه هر فروشگاه چه عملکردی را دارد جستجویی سریع را انجام دهید. با استفاده از این روش می توانید داده های فروش را بر حسب شهرستان یا کد پستی ببینید و بعد کاوش را بر حسب محله و هر فروشگاه انجام دهید.
•    مته کاری(کاوش)   به بیرون  : این روش عکس مته کاری به درون ( کاوش) داده است. شما از جزئیات خاص به سمت داده عمومی تر حرکت می کند. تحلیل گر می تواند به داده فروش یک محصول خاص در یک فروشگاه خاص نگاه کند و ببیند که فروش های محصول برای همه فروشگاه های شهر چقدر بوده است و بعد مته کاری بیشتری به بیرون انجام دهد و فروش های محصول را در کل ایالت یا کشور پیدا کند.
•    مته کاری میانی: برای رسیدن به اطلاعاتی که می خواهید ببینید ( فرضا جزئیات ارقام فروش برای یک فروشگاه خاص ) شما بر روی لینک ها یکی بعد از دیگری کلیک می کنید تا به داده منبع واقعی برسید ( تراکنش های فردی گنجانده شده در سیستم OLAP) و در اصل این داده ها سریعا تجمیع می شوند تا اینکه عددی که با آن شروع کرده اید را تشکیل دهند. مثلا در هنگام تحلیل فروش های یک فروشگاه خاص متوجه می شوید که یک محصول خاص خیلی پرفروش است. البته می خواهید دلیل آن را بدانید اما داده برای آن محصول در آن فروشگاه خاص تجمیع شده است. شما مته کاری میانی سریعی را انجام می دهید تا اینکه داده تراکنش را در جزئی ترین سطح یعنی  ورودی های واقعی در سیستم که باعث فروش شده اند، ببینید. در طول این فرایند ممکن است متوجه برخی همبستگی ها شوید مثلا یک محصول پر فروش همیشه در محصول دیگری گنجانده شده است یا اینکه فقط در زمان خاصی از روز پر فروش است.
•    گروه بندی : اگر تا کنون از PivotTable در Excel استفاده کرده باشید، آنگاه می دانید که گروه بندی داده با محور سازی سریع ستون ها و سطرها چگونه است. وقتی یک سطر یا ستون را محور می کنید داده به روش متفاوتی گروه بندی می شود. مثلا ممکن است که ارقام فروش را داشته باشید و فروشنده ها در سمت چپ پایین قرار بگیرند و محصولات و مکان فروشگاه در بالا قرار بگیرند. اگر بخواهید گروه بندی های این ارقام فروش را تغییر دهید و محصولات را به ستون سمت چپ پایین حرکت دهید، آنگاه به سادگی بر روی یک فیلد محصول کلیک می کنید و آن را به سطر می کشید. ممکن است که این مفهوم ساده به نظر برسد اما تراکم عددی کارهایی که در پشت صحنه انجام می شود شگفت انگیز است. هر فیلد باید دوباره با هر تغییری جمع شود و از معیار سطر یا ستونی که در آن محور شده است برای این کار استفاده شود.

مترجم سریع تخصصی متن شما همینک آماده انجام فوری و تخصصی ترجمه تان است. کافی است از بخش سفارش ترجمه با ما تماس بگیرید

ترجمه فوری مقاله آماری

همانطور که در فصل 1 گفتیم می‌توان داده ها را به صورت داده رده ای یا کمّی تقسیم بندی بندی کرد. داده رده ای از برچسب‌ها یا نام‌ها برای شناسائی رده‌های آیتم‌ها استفاده می‌کند. داده‌های کمّی هم مقدارهای عددی هستند که نماینده یک مقدار هستند یا نشان می دهند که یک وضعیت چند بار تکرار می‌شود.
این فصل، روش‌های جدولی و گرافیکی که برای خلاصه سازی داده رده ای و کمّی به شکل رایج استفاده می‌شوند را ارائه می‌کند. می‌توان خلاصه‌های جدولی و گرافیکی داده را درگزارش های سالانه، مقالات روزنامه‌ها و تحقیقات علمی مشاهده کرد.. همه ما با این نوع ارائه‌ها مواجه شده ایم. بنابرین لازم است تا بدانیم که چگونه آماده و تفسیر می‌شوند. ما  کارمان را با بررسی روش‌های جدولی و گرافیکی که برای خلاصه سازی داده مرتبط با یک متغیر منفرد استفاده می شوند، شروع می‌کنیم. آخرین بخش نیز روش هایی را با هدف خلاصه سازی داده در هنگامی که رابطه ای بین دو متغیر مورد علاقه وجود دارد، تشریح می‌کند.
بسته‌های نرم افزار آماری مدرن قابلیت‌های گسترده ای را برای خلاصه سازی داده و آماده کردن ارائه‌های گرافیکی در خود دارند. Minitab و Excel دو بسته ای هستند که به شکل وسیع در دسترس هستند. در ضمیمه‌های این فصل برخی از قابلیت‌های آنها را نشان می‌دهیم.
خلاصه سازی داده رده ای
توزیع فراوانی
ما بحث مان درباره اینکه چگونه می‌توان از روشهای جدولی و گرافیکی برای خلاصه کردن داده رده ای استفاده کرد را با تعریف توزیع فراوانی شروع می‌کنیم.
توزیع فراوانی یک خلاصه جدولی از داده است که تعداد ( فراوانی) آیتم‌ها در هر رده  از بین چند رده غیر همپوشان را نشان می‌دهد.

توزیع‌های فراوانی نسبی و فراوانی درصدی
یک توزیع فراوانی به ما تعداد ( فراوانی) آیتم‌های هر کدام از چند رده غیر همپوشان را نشان می‌دهد. به هر حال ما اغلب علاقمند به این هستیم که  نسبت یا درصد آیتم‌های هر رده را بدانیم.. فراوانی نسبی یک رده برابر با کسر یا نسبتی از آیتم‌های متعلق به یک رده است. در یک مجموعه داده با n مشاهده ، فراوانی نسبی هر رده را می‌توان به صورت زیر تعیین کرد :
فراوانی نسبی
فراوانی نسبی یک رده = n/ فراوانی رده
فراوانی درصدی یک رده با ضرب فراوانی نسبی در 100 به دست می‌آید.
یک توزیع فراوانی نسبی یک خلاصه جدولی از داده است که فراوانی نسبی هر رده را نشان می‌دهد. یک توزیع فراوانی درصدی نیز فراوانی درصدی داده هر کلاس را به ما ارائه می‌کند.
نمودارهای میله ای و نمودارهای کیکی
نمودار میله ای یک ابزار گرافیکی با هدف توصیف کردن داده رده ای خلاصه شده در یک فراوانی، فراوانی نسبی یا توزیع فراوانی درصدی است. ما برچسب‌های مورد استفاده برای کلاس‌ها ( رده‌ها ) را در  یک محور نمودار ( معمولا محور افقی) تعیین می‌کنیم. در محور دیگر نمودار ( معمولا محور عمودی) نیز یک فراوانی، یک فراوانی نسبی یا یک مقیاس فراوانی درصدی هم استفاده می‌شود.سپس با استفاده از یک میله با عرض ثابت که بالای برچسب هر کلاس نوشته می‌شود ما طول میله را تا زمانی که به فراوانی، فراوانی نسبی یا درصدی آن رده برسد امتداد می‌دهیم. این میله ها در داده‌های رده ای باید  از هم تفکیک شوند تا بر این حقیقت که هر رده مجزا است تاکید کنیم. شکل 2.1 یک نمودار میله ای توزیع فراوانی مربوط به 50 خرید نوشیدنی غیر‌الکلی نشان می‌دهد.

مترجم سریع آمار همینک آماده انجام فوری و تخصصی ترجمه تان است. کافی است از بخش سفارش ترجمه با ما تماس بگیرید