Data Science for Business and Decision Making by Favero, Luiz Paulo; Belfiore, Patricia;

10% KEDVEZMÉNY?
A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.

Kiadói listaár EUR 175.00
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.

72 581 Ft (69 125 Ft + 5% áfa)
Kedvezmény(ek) 10% (cc. 7 258 Ft off)
Kedvezményes ár 65 323 Ft (62 213 Ft + 5% áfa)

72 581 Ft

Beszerezhetőség

Becsült beszerzési idő: A Prosperónál jelenleg nincsen raktáron, de a kiadónál igen. Beszerzés kb. 3-5 hét..
A Prosperónál jelenleg nincsen raktáron.

A termék adatai:

Kiadó Elsevier Science
Megjelenés dátuma 2019. június 3.

ISBN 9780128112168
Kötéstípus Puhakötés
Terjedelem1244 oldal
Méret 276x215 mm
Súly 2450 g
Nyelv angol

Kategóriák

Operációs rendszerek és grafikus felhasználói felületek Adatbázis kezelő szoftverek Irodai szoftverek, táblázatkezelők Közgazdaságtan Menedzsment, vállalatirányítás Pénzügy, befektetés Vállalkozások általában

Hosszú leírás:

Data Science for Business and Decision Making covers both statistics and operations research while most competing textbooks focus on one or the other. As a result, the book more clearly defines the principles of business analytics for those who want to apply quantitative methods in their work. Its emphasis reflects the importance of regression, optimization and simulation for practitioners of business analytics. Each chapter uses a didactic format that is followed by exercises and answers. Freely-accessible datasets enable students and professionals to work with Excel, Stata Statistical Softwareï¿1⁄2, and IBM SPSS Statistics Softwareï¿1⁄2.

Több

Tartalomjegyzék:

Part 1: Foundations of Business Data Analysis
1. Introduction to Data Analysis and Decision Making
2. Type of Variables and Mensuration Scales

Part 2: Descriptive Statistics
3. Univariate Descriptive Statistics
4. Bivariate Descriptive Statistics

Part 3: Probabilistic Statistics
5. Introduction of Probability
6. Random Variables and Probability Distributions

Part 4: Statistical Inference
7. Sampling
8. Estimation
9. Hypothesis Tests
10. Non-parametric Tests

Part 5: Multivariate Exploratory Data Analysis
11. Cluster Analysis
12. Principal Components Analysis and Factorial Analysis

Part 6: Generalized Linear Models
13. Simple and Multiple Regression Models
14. Binary and Multinomial Logistics Regression Models
15. Regression Models for Count Data: Poisson and Negative Binomial

Part 7: Optimization Models and Simulation
16. Introduction to Optimization Models: Business Problems Formulations and Modeling
17. Solution of Linear Programming Problems
18. Network Programming
19. Integer Programming
20. Simulation and Risk Analysis

Part 8: Other Topics
21. Design and Experimental Analysis
22. Statistical Process Control
23. Data Mining and Multilevel Modeling