EDA Explorative Datenanalyse: Einführung in die deskriptive Statistik, Ausgabe 2

Springer-Verlag
Free sample

Explorative Datenanalyse (EDA), deskriptive Statistik und graphische Darstellungstechnik werden unter einem gemeinsamen Aspekt beschrieben. Dem Studenten im ersten Studienjahr soll damit bereits möglichst früh ein Überblick über die verschiedenen Typen der statistischen Modellierung geboten werden. Das Buch präsentiert resistente statistische Methoden, aber ohne deren wahrscheinlichkeitstheoretische oder induktive Begründung. An mehreren Beispielen aus den Sozial- und Wirtschaftswissenschaften wird gezeigt, wie ein deskriptiver Modellbildungsprozeß mit einfachen Mitteln möglich ist.
Read more
Loading...

Additional Information

Publisher
Springer-Verlag
Read more
Published on
Mar 7, 2013
Read more
Pages
348
Read more
ISBN
9783642578892
Read more
Read more
Best For
Read more
Language
German
Read more
Genres
Business & Economics / Econometrics
Business & Economics / General
Business & Economics / Statistics
Mathematics / Probability & Statistics / General
Read more
Content Protection
This content is DRM protected.
Read more

Reading information

Smartphones and Tablets

Install the Google Play Books app for Android and iPad/iPhone. It syncs automatically with your account and allows you to read online or offline wherever you are.

Laptops and Computers

You can read books purchased on Google Play using your computer's web browser.

eReaders and other devices

To read on e-ink devices like the Sony eReader or Barnes & Noble Nook, you'll need to download a file and transfer it to your device. Please follow the detailed Help center instructions to transfer the files to supported eReaders.
Studienarbeit aus dem Jahr 2005 im Fachbereich Statistik, Note: 1,0, Fachhochschule für Wirtschaft Berlin, 13 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: Die Berliner Hotellandschaft ist durch eine Vielzahl an Hotels aller Preisklassen geprägt. Hierbei ist zu beobachten, dass es Hotels in allen Kategorien gibt, die unterschiedliche Qualitäts- und Ausstattungsmerkmale aufweisen. Doch welche Merkmale eines Hotels berechtigen es dazu einen höheren Preis als das Nachbarhotel zu verlangen? Die vorliegende Hausarbeit möchte dieser Frage auf den Grund gehen, um zumindest auf Grundlage der zur Verfügung stehenden Daten eine Aussage darüber treffen zu können. Nicht alle Faktoren können berücksichtigt werden, weil sie zum einen nicht als Datenmaterial vorliegen und zum anderen aus nicht messbaren Kriterien bestehen, da sie nur subjektiv zu bewerten sind. Dies wären zum Beispiel der Wohlfühlfaktor in einem Hotel oder die schöne Umgebung sowie die zuvorkommende Freundlichkeit des Personals. Die Zielstellung dieser Hausarbeit liegt darin, anhand einer eigens zusammengestellten Datenbasis den Zusammenhang zwischen den unterschiedlich hohen Zimmerpreisen in Hotels (Preis für Einzelzimmer, Preis für Doppelzimmer) und zwischen verschiedenen Qualitätsmerkmalen, wie Ausstattung des Zimmers (z.B. Sanitäreinrichtung, Klimaanlage, Internet-/Faxanschluss), allgemeine Leistungen des Hotels (z.B. Lift, Zimmerservice, Parkplatz, Restaurant) sowie zusätzlichen Angeboten (z.B. Sauna, Innen- oder Außenpool, Fitnessraum) zu untersuchen und so gut wie möglich zu erklären. Zusätzlich wurden weitere Merkmale untersucht, die das jeweilige Hotel näher umschreiben (z.B. Sterneklassifizierung, Lage des Bezirkes in Berlin, Entfernung zum nächstgelegenen touristischen Anziehungspunkt, Entfernung zur Messe sowie zum nächstgelegenen Flughafen und Regionalbahnhof). Zu diesem Zweck wurden in der vorliegenden Arbeit zwei statistische Methoden der deskriptiven Statistik verwendet. Mit Hilfe des Programmsystems SPSS (Statistical Package for the Social Sciences) wurden die mehrfaktorielle Varianz- und die lineare Regressionsanalyse durchgeführt und Grafiken zur weiteren Veranschaulichung erstellt.
Welche Produkte kann ich meinen Kunden aufgrund ihrer vorherigen Kï¿1⁄2ufe noch anbieten? Wie kann ich meine Absï¿1⁄2tze vorhersagen oder Kosten optimieren? Wie kann ich Kundenmails automatisch analysieren? Wenn Sie sich diese oder ï¿1⁄2hnliche Fragen stellen, finden Sie in diesem Buch die passenden Antworten. Es richtet sich an alle, die eine gewisse Menge Daten haben und ahnen, dass darin wertvolle Erkenntnisse schlummern, die aber nicht wissen, wie sie sie herauskitzeln kï¿1⁄2nnen. Data-Science-Spezialist John Foreman zeigt Ihnen, wie auch kleinere Unternehmen von Big-Data-Ansï¿1⁄2tzen profitieren und dass Sie dafï¿1⁄2r nicht mehr benï¿1⁄2tigen als grundlegende Mathekenntnisse und ein Tabellenkalkulationsprogramm wie Microsoft Excel oder LibreOffice Calc. Nach ein paar nï¿1⁄2tzlichen allgemeinen Hinweisen zu Excel lernen Sie an realistischen Businessbeispielen, mit welchen Verfahren Sie Kunden clustern, Dokumente klassifizieren, Investitionen und Gewinne optimieren, Prognosen ï¿1⁄2ber zukï¿1⁄2nftige Abverkï¿1⁄2ufe treffen und wichtige Ausreiï¿1⁄2er identifizieren. Alle Verfahren sind genauso verstï¿1⁄2ndlich wie unterhaltsam erklï¿1⁄2rt und damit Sie sie direkt selbst ausprobieren kï¿1⁄2nnen, finden Sie alle Beispieldaten zum Download auf der Website des Verlags. Wenn Sie im Anschluss daran noch tiefer in die Datenanalyse einsteigen mï¿1⁄2chten, zeigt Ihnen ein kurzer Ausblick auf die Programmiersprache R, was noch alles mï¿1⁄2glich ist. So sind Sie optimal gerï¿1⁄2stet und holen in Zukunft das Beste aus Ihren Daten heraus!
This volume presents 45 articles dealing with theoretical aspects, methodo logical advances and practical applications in domains relating to classifica tion and clustering, statistical and computational data analysis, conceptual or terminological approaches for information systems, and knowledge struc tures for databases. These articles were selected from about 140 papers presented at the 19th Annual Conference of the Gesellschaft fur Klassifika tion, the German Classification Society. The conference was hosted by W. Polasek at the Institute of Statistics and Econometry of the University of 1 Basel (Switzerland) March 8-10, 1995 . The papers are grouped as follows, where the number in parentheses is the number of papers in the chapter. 1. Classification and clustering (8) 2. Uncertainty and fuzziness (5) 3. Methods of data analysis and applications (7) 4. Statistical models and methods (4) 5. Bayesian learning (5) 6. Conceptual classification, knowledge ordering and information systems (12) 7. Linguistics and dialectometry (4). These chapters are interrelated in many respects. The reader may recogni ze, for example, the analogies and distinctions existing among classification principles developed in such different domains as statistics and information sciences, the benefit to be gained by the comparison of conceptual and ma thematical approaches for structuring data and knowledge, and, finally, the wealth of practical applications described in many of the papers. For convenience of the reader, the content of this volume is briefly reviewed.
The TCGOV 2005 international conference on e-government was held at the Free University of Bozen-Bolzano during March 2–4, 2005. The conference was initiated by the working group “Towards Electronic Democracy” (TED) of the European Science Foundation and was jointly organized by the Free University ofBozen-Bolzano,theMunicipalityofBozen-Bolzano,theTEDWorkingGroup, and the IFIP Working Group 8.5. The conference addressed a large spectrum of issues that are relevant and have to be investigated for a successful transition from the traditional form of government to a new form known as e-government. The main focus was on the following topics: – improving citizen participation and policy making (e-democracy) – government application integration – semantic Web technologies for e-government – security aspects for e-government services Two sessions were dedicated to e-democracy, an emerging area within- government that seeks to enhance democratic processes and provide increased opportunities for individuals and communities to be involved in governmental decisions.Thecontributionsofthesetwosessionscovermorefundamentalresults and insights as well as experiences from di?erent countries. Another focus was on government application integration and the use of - mantic Web technologies, which are important technical aspects on the agenda of e-government research. Di?erent architectures for the integration and orch- tration of distributed services and processes were presented along with two case studies. Three papers about Semantic Web technologies discussed the use of ontologies in e-government.
©2018 GoogleSite Terms of ServicePrivacyDevelopersArtistsAbout Google|Location: United StatesLanguage: English (United States)
By purchasing this item, you are transacting with Google Payments and agreeing to the Google Payments Terms of Service and Privacy Notice.