Datenbearbeitung und -visualisierung mit R : Mit einer Einführung in die simulationsbasierte Inferenz und Machine Learning （2025. xi, 261 S. XI, 261 S. 50 Abb. in Farbe. Mit Online-Extras. 240 m）

ホーム
> 洋書
> ドイツ書
> Mathematics, Sciences & Technology
> Mathematics
> probability calculus, stochastics, mathematical statistics

個数：

予約

Datenbearbeitung und -visualisierung mit R : Mit einer Einführung in die simulationsbasierte Inferenz und Machine Learning （2025. xi, 261 S. XI, 261 S. 50 Abb. in Farbe. Mit Online-Extras. 240 m）

Scheufen, Marc/Mertens, Armin

ウェブストア価格 ¥9,397（本体¥8,543）
SPRINGER, BERLIN; SPRINGER FACHMEDIEN WIESBADEN; SPRI（2025/08発売）
外貨定価 EUR 37.99
ポイント 85pt

現在予約受付中です。出版後の入荷・発送となります。
（重要：表示されている発売日は予定となり、発売が延期、中止、生産限定品で商品確保ができないなどの理由により、ご注文をお取消しさせていただく場合がございます。予めご了承ください。）

●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 Paperback:紙装版/ペーパーバック版
商品コード 9783658480141

Full Description

Ziel des Lehrbuchs ist das Einüben und Umsetzen wichtiger Kompetenzen beim Datenhandling. So bestehen die ersten Schritte einer jeden empirischen Studie darin, die Daten für die eigene Analyse vorzubereiten. Das Bearbeiten (filtern, selektieren und ergänzen von Variablen) und das Strukturieren (gruppieren, zusammenfassen, zusammenfügen und bereinigen von Variablen und Datensätzen) der Daten legen dabei die fundamentale Grundlage jeder Empirie. Weiterführende Schritte zur Visualisierung und Analyse von Daten erlauben schließlich bedürfnisorientierte Gestaltungen der eigenen Datenanalyse.

Aus didaktischer Sicht ist dieses Lehrbuch ein "Mitmach"-Buch. Die Leser und Leserinnen des Lehrbuchs können hierzu die verschiedenen Datensätze und Skripte von der Webseite des Verlages herunterladen und lernen von Beginn an und Schritt für Schritt, wie wir die Daten bearbeiten, strukturieren, visualisieren und analysieren.

Einführung.- Daten bearbeiten und strukturieren mit tidyverse.- Daten visualisieren mit ggplot.- Weiterführende Visualisierungen mit ggplot, gganimate, stargazer und sf für Geodaten.- Einführung in simulationsbasierte Inferenzstatistik und "Machine Learning" mit R.- Dokumentation und Zusammenfassung.