Applied Linear Regression for Business Analytics with R : A Practical Guide to Data Science with Case Studies (International Series in Operations Research & Management Science) / McGibney, Daniel P.

ホーム
> 洋書
> ドイツ書
> Social Sciences, Jurisprudence & Economy
> Economy
> general surveys & lexicons

Ｒによるビジネス・アナリティクスのための応用線形回帰：データサイエンスへの実践的ガイドと事例研究<br>Applied Linear Regression for Business Analytics with R : A Practical Guide to Data Science with Case Studies (International Series in Operations Research & Management Science) （2023）

個数：

Ｒによるビジネス・アナリティクスのための応用線形回帰：データサイエンスへの実践的ガイドと事例研究
Applied Linear Regression for Business Analytics with R : A Practical Guide to Data Science with Case Studies (International Series in Operations Research & Management Science) （2023）

McGibney, Daniel P.

ウェブストア価格 ¥27,087（本体¥24,625）
Springer International Publishing AG（2023/06発売）
外貨定価 US$ 129.99
ポイント 246pt

提携先の海外書籍取次会社に在庫がございます。通常3週間で発送いたします。
【重要ご説明事項】
1. 納期遅延や、ご入手不能となる場合が若干ございます。
2. 複数冊ご注文の場合は、ご注文数量が揃ってからまとめて発送いたします。
3. 美品のご指定は承りかねます。

●3Dセキュア導入とクレジットカードによるお支払いについて

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Hardcover:ハードカバー版／ページ数 276 p.
商品コード 9783031214790

Full Description

Applied Linear Regression for Business Analytics with R introduces regression analysis to business students using the R programming language with a focus on illustrating and solving real-time, topical problems. Specifically, this book presents modern and relevant case studies from the business world, along with clear and concise explanations of the theory, intuition, hands-on examples, and the coding required to employ regression modeling. Each chapter includes the mathematical formulation and details of regression analysis and provides in-depth practical analysis using the R programming language.

1. Introduction.- 2. Basic Statistics and Functions using R.- 3. Regression Fundamentals.- 4. Simple Linear Regression.- 5. Multiple Regression.- 6. Estimation Intervals and Analysis of Variance.- 7. Predictor Variable Transformations.- 8. Model Diagnostics.- 9. Variable Selection.