دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Basu. Ayanennath., Basu. Srabashi سری: ISBN (شابک) : 146659165X, 1466591668 ناشر: Chapman and Hall/CRC سال نشر: 2016 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
کلمات کلیدی مربوط به کتاب راهنمای کاربر برای تجزیه و تحلیل کسب و کار: آمار تجاری.، R (زبان برنامه کامپیوتری)، داده کاوی.، کسب و کار و اقتصاد / مدیریت صنعتی، کسب و کار و اقتصاد / مدیریت، کسب و کار و اقتصاد / علم مدیریت، تجارت و اقتصاد / رفتار سازمانی
در صورت تبدیل فایل کتاب A user’s guide to business analytics به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب راهنمای کاربر برای تجزیه و تحلیل کسب و کار نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
راهنمای کاربر برای تجزیه و تحلیل کسب و کار یک بحث جامع از روش های آماری مفید برای تحلیلگر کسب و کار ارائه می دهد. روشها از یک سطح نسبتاً ابتدایی برای تطبیق خوانندگانی که آموزش محدودی در تئوری آمار دارند، ایجاد شدهاند. تعداد قابل توجهی از مطالعات موردی و تصاویر عددی با استفاده از بسته نرمافزار R به نفع مبتدیان با انگیزه که میخواهند در تجزیه و تحلیل شروع به کار کنند و همچنین برای کارشناسانی که با استفاده از این متن به عنوان مرجع سود خواهند برد، ارائه شده است. کتاب.
کتاب از 12 فصل تشکیل شده است. فصل اول بر تجزیه و تحلیل کسب و کار، همراه با ظهور و کاربرد آن تمرکز دارد و زمینه ای را برای کل کتاب تنظیم می کند. سه فصل بعدی R را معرفی می کند و یک بحث جامع در مورد تجزیه و تحلیل توصیفی، از جمله خلاصه سازی داده های عددی و تجزیه و تحلیل بصری ارائه می دهد. فصل های پنجم تا هفتم، نظریه مجموعه ها، تعاریف و قواعد شمارش، احتمال، متغیرهای تصادفی و توزیع احتمال را با تعدادی از نمونه های سناریوی تجاری مورد بحث قرار می دهند. این فصلها پایه و اساس تحلیل پیشبینیکننده و ساخت مدل را تعیین میکنند.
فصل هشت به استنتاج آماری میپردازد و رایجترین روشهای آزمایش را مورد بحث قرار میدهد. فصل نهم تا دوازدهم به طور کامل به تجزیه و تحلیل پیش بینی می پردازد. فصل رگرسیون بسیار گسترده است و به توسعه مدل و پیچیدگی مدل از دیدگاه کاربر می پردازد. فصل کوتاهی در مورد روشهای مبتنی بر درخت، حوزههای کاربردی اصلی را به طور خلاصه بیان میکند. فصل داده کاوی مقدمه خوبی برای رایج ترین الگوریتم های یادگیری ماشین است. فصل آخر نقش مدلهای سری زمانی مختلف در تجزیه و تحلیل را برجسته میکند. در تمام فصلها، نویسندگان تعدادی مثال و مطالعات موردی را به نمایش میگذارند و دستورالعملهایی را به کاربران در زمینه تحلیل ارائه میدهند.
A User's Guide to Business Analytics provides a comprehensive discussion of statistical methods useful to the business analyst. Methods are developed from a fairly basic level to accommodate readers who have limited training in the theory of statistics. A substantial number of case studies and numerical illustrations using the R-software package are provided for the benefit of motivated beginners who want to get a head start in analytics as well as for experts on the job who will benefit by using this text as a reference book.
The book is comprised of 12 chapters. The first chapter focuses on business analytics, along with its emergence and application, and sets up a context for the whole book. The next three chapters introduce R and provide a comprehensive discussion on descriptive analytics, including numerical data summarization and visual analytics. Chapters five through seven discuss set theory, definitions and counting rules, probability, random variables, and probability distributions, with a number of business scenario examples. These chapters lay down the foundation for predictive analytics and model building.
Chapter eight deals with statistical inference and discusses the most common testing procedures. Chapters nine through twelve deal entirely with predictive analytics. The chapter on regression is quite extensive, dealing with model development and model complexity from a user’s perspective. A short chapter on tree-based methods puts forth the main application areas succinctly. The chapter on data mining is a good introduction to the most common machine learning algorithms. The last chapter highlights the role of different time series models in analytics. In all the chapters, the authors showcase a number of examples and case studies and provide guidelines to users in the analytics field.
Content: Cover
Half Title
Title Page
Copyright Page
Dedication
Table of Contents
Preface
1: What Is Analytics?
1.1 Emergence and Application of Analytics
1.2 Comparison with Classical Statistical Analysis
1.3 Theory versus Computational Power 1.4 Fact versus Knowledge: Report versus Prediction 1.5 Actionable Insight
1.6 Suggested Further Reading
2: Introducing R-An Analytics Software
2.1 Basic System of R
2.2 Reading, Writing and Extracting Data in R
2.3 Statistics in R
2.4 Graphics in R
2.5 Further Notes about R 2.6 Suggested Further Reading 3: Reporting Data
3.1 What Is Data?
3.2 Types of Data
3.2.1 Qualitative versus Quantitative Variable
3.2.2 Discrete versus Continuous Data
3.2.3 Interval versus Ratio Type Data
3.3 Data Collection and Presentation
3.4 Reporting Current Status 3.4.1 Measures of Central Tendency 3.4.2 Measures of Dispersion
3.4.3 Measures of Association
3.5 Measures of Association for Categorical Variables
3.6 Suggested Further Reading
4: Statistical Graphics and Visual Analytics
4.1 Univariate and Bivariate Visualization
4.1.1 Univariate Visualization 4.1.2 Bivariate Visualization 4.2 Multivariate Visualization
4.3 Mapping Techniques
4.4 Scopes and Challenges of Visualization
4.5 Suggested Further Reading
5: Probability
5.1 Basic Set Theory
5.2 Classical Definition of Probability
5.3 Counting Rules