Es wurden 40 Produkte zu dem Suchbegriff 1 datenanalyse in 7 Shops gefunden:

Das Programmpaket SAS hat sich im Lauf der Jahre als Standardprogramm zur statistischen Datenanalyse etabliert. Der souveräne Umgang mit statistischen Methoden und deren praktischer Umsetzung in SAS bietet somit einen unschätzbaren Vorteil für die tägliche Arbeit des Datenanalytikers. Im vorliegenden Buch erlernt der Leser zunächst die Grundlagen der Programmierung. Anschließend wird eine große Auswahl statistischer Verfahren und deren Umsetzung als SAS-Programm vorgestellt. Dabei wird großes Augenmerk auf die grafischen Aspekte der statistischen Datenanalyse gelegt. Ein zusätzlicher Teil über Programmierung mit IML und Makros sowie hilfreiche Assistenten in SAS runden die Darstellung ab. Kommentierte Beispiele und Übungsaufgaben mit Lösungshinweisen ermöglichen das Selbststudium. Mit seiner umfassenden Themenauswahl ist das Buch als Einführung, aber auch als Nachschlagewerk für den fortgeschritteneren Leser geeignet. Für die 4. Auflage wurden Kapitel zur Epidemiologie und Biometrieergänzt.

Die erste Adresse für die Analyse von Daten mit Python Das Standardwerk in der 3. Auflage, aktualisiert auf Python 3.10 und pandas 1.4 Versorgt Sie mit allen praktischen Details und mit wertvollem Insiderwissen, um Datenanalysen mit Python erfolgreich durchzuführen Mit Jupyter-Notebooks für alle Codebeispiele aus jedem Kapitel Erfahren Sie alles über das Manipulieren, Bereinigen, Verarbeiten und Aufbereiten von Datensätzen mit Python: Aktualisiert auf Python 3.10 und pandas 1.4, zeigt Ihnen dieses konsequent praxisbezogene Buch anhand konkreter Fallbeispiele, wie Sie eine Vielzahl von typischen Datenanalyse-Problemen effektiv lösen. Gleichzeitig lernen Sie die neuesten Versionen von pandas, NumPy und Jupyter kennen. Geschrieben von Wes McKinney, dem Begründer des pandas-Projekts, bietet Datenanalyse mit Python einen praktischen Einstieg in die Data-Science-Tools von Python. Das Buch eignet sich sowohl für Datenanalysten, für die Python Neuland ist, als auch für Python-Programmierer, die sich in Data Science und Scientific Computing einarbeiten wollen. Daten und Zusatzmaterial zum Buch sind auf GitHub verfügbar. Aus dem Inhalt: Nutzen Sie Jupyter Notebook und die IPython-Shell für das explorative Computing Lernen Sie Grundfunktionen und fortgeschrittene Features von NumPy kennen Setzen Sie die Datenanalyse-Tools der pandas-Bibliothek ein Verwenden Sie flexible Werkzeuge zum Laden, Bereinigen, Transformieren, Zusammenführen und Umformen von Daten Erstellen Sie interformative Visualisierungen mit matplotlib Wenden Sie die GroupBy-Mechanismen von pandas an, um Datensätze zurechtzuschneiden, umzugestalten und zusammenzufassen Analysieren und manipulieren Sie verschiedenste Zeitreihendaten Erproben Sie die konkrete Anwendung der im Buch vorgestellten Werkzeuge anhand verschiedener realer Datensätze

Dieses Buch richtet sich an Studentinnen und Studenten, die im Rahmen ihrer Seminar-, Projekt-, Bachelor- oder Masterarbeit quantitative Daten erheben. Neben deskriptiven Analysen sind in solchen Situationen zumeist induktive statistische Verfahren gefordert, die auf den ersten Blick teilweise relativ komplex erscheinen. In diesem Buch werden typische Verfahren eingeordnet und inhaltlich erläutert. Neben einer einfachen Einführung werden im Nachgang vertiefende Analysen vorgestellt. Alle Verfahren werden anhand von Beispielen auf Basis der Statistiksoftware IBM SPSS® dargestellt, die einen sehr einfachen Zugang auch zu komplexeren Verfahren bietet. Dabei werden die Beispiele, nach einer Einführung in das Programm als solches, systematisch Schritt für Schritt bearbeitet, so dass auch eigene Analyse im Rahmen schriftlicher Arbeiten problemlos vorgenommen werden können.

Die Kaufempfehlung, die Ihnen ein Webstore ausspricht, die Einschätzung, welcher Kunde kreditwürdig ist, oder die Analyse der Werttreiber von Immobilien – alle diese Beispiele aus dem heutigen Leben sind Ergebnis moderner Verfahren der Datenanalyse. Dieses Buch führt in solche statistische Verfahren anhand der Programmiersprache R ein. Ziel ist es, Leser mit der Art und Weise vertraut zu machen, wie führende Organisationen und Praktiker angewandte Statistik heute einsetzen. Weil sich mit der Digitalisierung auch die statistischen Verfahren verändert haben, vermittelt der Autor neben klassischen Analysemethoden wie Regression auch moderne Methoden wie Textmining und Random-Forest-Modelle. Dabei sind die Inhalte des Buchs durchgehend so aufbereitet, dass sie auch für Leser ohne umfangreiche mathematische Vorkenntnisse verständlich sind. Anhand von Fallbeispielen und Übungen werden die Leser durch alle Phasen der Datenanalyse geführt: Sie lernen, wie Daten eingelesen, aufbereitet, visualisiert, modelliert und kommuniziert werden können. Dabei wird vor allem die Aufbereitung, Umformung und Prüfung der Daten ausführlicher als in anderen Publikationen behandelt, da dieser Teil in der Praxis oft einen wesentlichen Teil des Aufwands ausmacht. Aber auch die Visualisierung bekommt viel Raum, denn gute Diagramme ermöglichen Einblicke, die Zahlen und Worte verbergen.Mit seinem praxisorientierten Ansatz will das Buch dazu befähigen, alle grundlegenden Schritte eines Datenanalyseprojekts durchzuführen, Daten kompetent in R zu bearbeiten, simulationsbasierte Inferenzstatistik anzuwenden und kritisch zu hinterfragen, klassische und moderne Vorhersagemethoden anzuwenden und betriebswirtschaftliche Fragestellungen mittels datengetriebener Vorhersagemodelle zu beantworten. Sowohl Anwender ohne statistisches Grundlagenwissen als auch Nutzer mit Vorerfahrung lesen dieses Buch mit Gewinn. In verständlicher Sprache und anhand von anschaulichen Beispielen zeigt der Autor, wie moderne Datenanalyse heute funktioniert.

Sie haben manchmal den Eindruck, Sie ertrinken in Daten? Kennen Sie schon die großartigen Datenanalysewerkzeuge von Excel? Stephen L. Nelson und Elizabeth C. Nelson zeigen Ihnen, wie Sie zu Ihren Daten PivotTables und PivotCharts erstellen, welche Excel-Funktionen zu Statistik und Finanzwesen es gibt und wie Sie Excel mit Daten aus externen Datenbanken nutzen. Erfahren Sie endlich, was all die vermeintlich todlangweiligen Zahlen wirklich zu bedeuten haben. Mit diesem Buch können Sie die Verarbeitung der Daten Excel überlassen und Ihre Zeit wieder für echte Einsichten und Entscheidungen nutzen.

Studienarbeit aus dem Jahr 2018 im Fachbereich BWL - Offline-Marketing und Online-Marketing, Note: 2.3, FOM Hochschule für Oekonomie & Management gemeinnützige GmbH, Köln, Sprache: Deutsch, Abstract: In dieser Hausarbeit wird der Datensatz 'Sommerumfrage 2017' analysiert. Die Daten wurden von den Studierenden der FOM im Jahr 2017 im 1. Semester erhoben, um das Einkaufsverhalten und die Lebenseinstellung der weiblichen und männlichen Probanden zu untersuchen. Zur Analyse des Datensatzes wird mit der Software R Studio gearbeitet.

Einstieg in die Datenanalyse mit SPSS

Dieses Buch liefert eine anwendungsorientierte Einführung in die Datenauswertung mit der freien Statistikumgebung R. Es behandelt deskriptive Auswertungen ebenso umfassend wie inferenzstatistische Analysen. Neben klassischen univariaten Verfahren berücksichtigt das Buch nonparametrische Tests, Resampling-Methoden und multivariate Statistik. Zudem deckt es die vielfältigen Möglichkeiten ab, Daten aufzubereiten und Diagramme zu erstellen. Die statistischen Verfahren werden anhand von Beispielen erläutert und an vielen Stellen mit Diagrammen illustriert. Das Buch richtet sich an alle, die R kennenlernen und in konkreten Aufgabenstellungen einsetzen möchten, ohne bereits über Vorerfahrungen mit befehlsgesteuerten Programmen oder Programmiersprachen zu verfügen. In der vorliegenden sechsten Auflage berücksichtigt das Buch die Neuerungen in Version 4.5.0 von R und wurde insbesondere in Bezug auf die Arbeit mit den Zusatzpakten ggplot2, dplyr und emmeans erweitert. Das Buch stellt zudem ausführlich da, wie mit Quarto vielfältige Dokumente erstellt werden können, die R-Auswertungen direkt einbinden.

Derzeit wird kaum noch ernsthaft bestritten, dass die Daten eines Unternehmens ein wichtiges Wirtschaftsgut darstellen und in erheblicher Weise zum Erfolg beitragen können. Allerdings gilt es, nicht nur den Wert der Daten zu erkennen, sondern diese auch in den zugehörigen Geschäftsprozessen gewinnbringend einzusetzen. Als zwingende Voraussetzung erweist sich dabei, eine organisatorische und technische Basis zu etablieren, die nachhaltig darauf ausgerichtet ist, die fachlichen Ausgabenstellungen bestmöglich zu unterstützen. Unter dem Oberbegriff Datenmanagement werden dazu diejenigen Führungs- und Durchführungstätigkeiten diskutiert, die einen tragfähigen Rahmen für den Umgang mit Daten in der Organisation aufspannen. Daneben erweisen sich vor allem die Verfahren zur Auswertung und Analyse der verfügbaren Datenbestände als leistungsfähige Instrumente, um langfristige Wettbewerbsvorteile zu erlangen. Vor diesem Hintergrund widmet sich das vorliegende Buch den stetig an Bedeutung gewinnenden Themenfeldern Datenmanagement und Datenanalyse, denen insbesondere im Rahmen der digitalen Transformation eine große Bedeutung zukommt.

Daten analysieren und Prozesse automatisieren mit Excel Automatisieren Sie Ihre Datenbereinigung in Excel mit Power Query. Strukturieren Sie Ihre Daten mit Power Pivot. Nutzen Sie Python für automatisierte Analysen und Berichterstattung. In diesem Praxisbuch führt George Mount Daten- und Business-Analyst*innen durch zwei leistungsstarke in Excel integrierte Tools für die Datenanalyse: Power Pivot und Power Query. Er zeigt Ihnen, wie Sie mit Power Query Workflows zur Datenbereinigung erstellen und mit Power Pivot relationale Datenmodelle entwerfen. Darüber hinaus lernen Sie nützliche Funktionen wie dynamische Array-Formeln, KI-gestützte Methoden zur Aufdeckung von Trends und Mustern sowie die Integration von Python zur Automatisierung von Analysen und Berichten kennen. George Mount zeigt Ihnen, wie Sie Ihre Excel-Kenntnisse weiter ausbauen und das Programm effektiv für die moderne Datenanalyse nutzen. Das Buch gibt einen klaren Überblick über das volle Potenzial von Excel und hilft Ihnen, auch ohne Power BI oder anderer Zusatzsoftware Daten effektiv aufzubereiten und zu analysieren. Viele Übungen zur Vertiefung des Gelernten runden das Buch ab. Dieses Buch zeigt Ihnen, wie Sie: wiederholbare Datenbereinigungsprozesse für Excel mit Power Query erstellen relationale Datenmodelle und Analysen mit Power Pivot entwickeln Daten schnell mit dynamischen Arrays abrufen KI nutzen, um Muster und Trends in Excel aufzudecken Python-Funktionen in Excel für automatisierte Analysen und Berichte integrieren

Dieses Buch bietet eine Einführung in das Datenanalysepaket Stata und ist zugleich das einzige Buch über Stata, das auch Anfängern eine ausreichende Erklärung statistischer Verfahren liefert. „Datenanalyse mit Stata" ist kein Befehls-Handbuch sondern erläutert alle Schritte einer Datenanalyse an praktischen Beispielen. Die Beispiele beziehen sich auf Themen der öffentlichen Diskussion oder der direkten Umgebung der meisten Leser. Damit eignet sich diese Buch als Einstieg in Data Analytics in allen Disziplinen. Die neue Auflage bietet einen systematischeren Zugang zum Datenmanagement in Gegenwart von „Missing Values" und behandelt die in der Stata-Programmversion 14 implementierte Unicode-Codierung.

Dieses Buch ist die bislang einzige deutschsprachige Einführung in das Statistikprogramm Stata und zugleich das einzige Buch über Stata, das auch Anfängern eine ausreichende Erklärung der Datenanalysetechnik liefert. Die Neuauflage enthält Anpassungen an die neueste Stata Programmversion (Version 10) und beschreibt den neu entwickelten "Stata Graph Editor".

Dieses Buch liefert für Studierende eine fundierte Einführung in die Verfahren der Multivariaten Statistik. Im Sinne einer Heranführung wird für Leserinnen und Leser der notwendige Hintergrund geschaffen, um die Verfahren richtig anzuwenden und die richtigen Detailfragen zu stellen. Ein besonderes Augenmerk liegt auf der praktischen Anwendung mit der Open Source Software R. Neu in dieser Auflage werden auf lehrbuch-psychologie.springer.com Datensätze in R und Skripte als Online-Material bereitgestellt (zusätzlich zu den weiterhin verfügbaren SPSS-Materialien), sodass alle Beispiele und Methoden nachvollzogen und ausprobiert werden können. Auf mathematische Herleitungen wird weitestgehend verzichtet. Das Kapitel zu Hierarchischen Linearen Modellen wurde für diese Auflage deutlich erweitert.

Das vorliegende Buch beschäftigt sich mit statistischer Datenanalyse in der Experimentalphysik: Fehlerrechnung, Gauß-Verteilung, Zählstatistik mit Binomial- und Poisson-Verteilung. Es wird einerseits Grundwissen behandelt, welches zum Verständnis statistischer Aussagen notwendig ist, andererseits werden Rezepte und Methoden für die praktische Arbeit bei der Datenanalyse bereitgestellt. Leser finden schnell zu erfassende Antworten auf Probleme der statistischen Datenanalyse von Physikexperimenten und eine knappe, mathematische Formulierung. Die Methoden werden durch Beispiele aus der Praxis illustriert. Neben zahlreichen Übungsaufgaben gibt es auch Programmieraufgaben, die mit einem leistungsfähigen Programm zur statistischen Datenanalyse gelöst werden können und sich an der täglichen Arbeit von Physikerinnen und Physikern orientieren. Dieses Buch entstand aus einer Statistikvorlesung für Studierende der Physik, die der Autor viele Jahre an verschiedenen Universitäten gehalten hat. Es richtet sich an Physikerinnen und Physiker – egal ob im Grundstudium, bei dem sie ab dem ersten Physikpraktikum mit statistischer Datenanalyse konfrontiert werden, oder in der wissenschaftlichen Praxis im Rahmen von Studien-, Abschluss- oder Forschungsarbeiten. In der Neuauflage wurde das Buch um viele Details ergänzt, darunter die wahrscheinlichkeitserzeugende Funktion, das Gauß-Markow-Theorem und die CLs-Methode.

Die siebte Auflage des bewährten Lehrbuches ist gegenüber der Vorauflage verbessert und aktualisiert. Zielgruppe sind Studierende und Praktiker, die statistische Verfahren verstehen und angemessen einsetzen wollen. Vorzug des Buches ist zum einen, dass die Verfahren – ohne mathematische Vorkenntnisse vorauszusetzen – verständlich vermittelt werden. Zum anderen zeigt das Buch die beispielhafte Umsetzung mit IBM SPSS Statistics. Die Darstellung ist einfach gehalten und aufeinander aufbauend. Das Buch ist sowohl als Begleitlektüre für Lehrveranstaltungen als auch zum Selbststudium geeignet.

Diese Einführung in die statistische Datenanalyse ist für Studierende (Naturwissenschaftler, Techniker, Mediziner und Pharmazeuten) und Interessierte gedacht, die sich ein vertieftes Verständnis für statistische Problemstellungen erarbeiten wollen, ohne tief in die Mathematik einsteigen zu müssen. Dazu bilden zahlreiche Beispiele aus allen Teilen der Naturwissenschaften und der Technik die Grundlage. Neben den Grundlagen wird auch eine Einführung in alle größeren weiterführenden Teilgebiete der Statistik geboten. Die 5. Auflage wurde an einigen Stellen überarbeitet und das Layout wurde verbessert.

Studienarbeit aus dem Jahr 2018 im Fachbereich VWL - Statistik und Methoden, Note: 1,7, FOM Hochschule für Oekonomie & Management gemeinnützige GmbH, Aachen , Sprache: Deutsch, Abstract: In dieser Seminararbeit wird der zur Verfügung gestellte Datensatz zur Sommerumfrage der FOM 2017 unter Verwendung des Statistikprogramms Rstudio analysiert. Der Fragebogen zur Sommerumfrage 2017 ist in sechs Themengebiete unterteilt. Der erste Block, mit den Identifikationscodes W1 bis W19, heißt "Was ist in Ihrem Leben wichtig?" und beinhaltet Fragestellungen zu den Präferenzen der Befragten bzgl. ihrer individuellen Lebenseinstellung. Im darauffolgenden Bereich des Fragebogens "Inwiefern stimmen Sie den nachfolgenden Aussagen in Bezug auf Ihr Einkaufsverhalten zu?" werden die Probanden zu ihrem Einkaufsverhalten befragt. Dieser Block besteht aus den Identifikationscodes E1 bis E30. Der Themenblock "Wie verhalten Sie sich für gewöhnlich, wenn Sie Produkte, die Sie nicht täglich konsumieren, suchen bzw. kaufen?" beinhaltet die beiden Identifi

Um die richtigen Erkenntnisse aus Ihren Daten ziehen zu können, müssen Sie sie richtig modellieren. Microsoft bietet Ihnen starke und zugleich zugängliche Tools für die Datenmodellierung, von Power BI bis Power Pivot für Excel. Wie Sie diese Tools effektiv einsetzen, zeigen Ihnen Alberto Ferrari und Marco Russo, international anerkannte Experten für Datenanalyse mit Microsoft, in diesem Buch. Nach einer kurzen Einführung in das Konzept der Datenmodellierung lernen Sie Schritt für Schritt anhand realer Beispiele mit steigendem Schwierigkeitsgrad, wie Sie einfache Tabellen in umfassende und aussagekräftige Modelle verwandeln. Aus dem Inhalt: - Einführung in die Datenmodellierung - Header/Detail-Tabellen - Denormalisierte Faktentabellen und dimensionsübergreifende Filterung - Datumsdimensionen erstellen - Historische Attribute: langsam und schnell veränderliche Dimensionen - Snapshots aggregieren - Datums- und Zeitintervalle - m:n-Beziehungen - Unterschiedliche Granularitäten - Segmentierungsmodelle - Währungsumrechnung Unter dem Label »Microsoft« erscheinen exklusiv im dpunkt.verlag Übersetzungen der besten Microsoft Press-Titel.

Um die richtigen Erkenntnisse aus Ihren Daten ziehen zu können, müssen Sie sie richtig modellieren. Microsoft bietet Ihnen starke und zugleich zugängliche Tools für die Datenmodellierung, von Power BI bis Power Pivot für Excel. Wie Sie diese Tools effektiv einsetzen, zeigen Ihnen Alberto Ferrari und Marco Russo, international anerkannte Experten für Datenanalyse mit Microsoft, in diesem Buch. Nach einer kurzen Einführung in das Konzept der Datenmodellierung lernen Sie Schritt für Schritt anhand realer Beispiele mit steigendem Schwierigkeitsgrad, wie Sie einfache Tabellen in umfassende und aussagekräftige Modelle verwandeln. Aus dem Inhalt: - Einführung in die Datenmodellierung - Header/Detail-Tabellen - Denormalisierte Faktentabellen und dimensionsübergreifende Filterung - Datumsdimensionen erstellen - Historische Attribute: langsam und schnell veränderliche Dimensionen - Snapshots aggregieren - Datums- und Zeitintervalle - m:n-Beziehungen - Unterschiedliche Granularitäten - Segmentierungsmodelle - Währungsumrechnung Unter dem Label »Microsoft« erscheinen exklusiv im dpunkt.verlag Übersetzungen der besten Microsoft Press-Titel.