Merkzettel Warenkorb
Produktbild: Data Analysis

Data Analysis What Can Be Learned From the Past 50 Years

Aus der Reihe Wiley Series in Probability and Statistics

164,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

11.04.2011

Verlag

John Wiley & Sons Inc

Seitenzahl

234

Maße (L/B/H)

24,2/16,7/1,7 cm

Gewicht

471 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-1-118-01064-8

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

11.04.2011

Verlag

John Wiley & Sons Inc

Seitenzahl

234

Maße (L/B/H)

24,2/16,7/1,7 cm

Gewicht

471 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-1-118-01064-8

Herstelleradresse

Libri GmbH
Europaallee 1
36244 Bad Hersfeld
DE

Email: [email protected]

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern
Die Leseprobe wird geladen.
  • Produktbild: Data Analysis
  • Preface.
     
    1 What is Data Analysis?
     
    1.1 Tukey's 1962 paper.
     
    1.2 The Path of Statistics.
     
    2 Strategy Issues in Data Analysis.
     
    2.1 Strategy in Data Analysis.
     
    2.2 Philosophical issues.
     
    2.3 Issues of size.
     
    2.4 Strategic planning.
     
    2.5 The stages of data analysis.
     
    2.6 Tools required for strategy reasons.
     
    3 Massive Data Sets.
     
    3.1 Introduction.
     
    3.2 Disclosure: Personal experiences.
     
    3.3 What is i massive? A classification of size.
     
    3.4 Obstacles to scaling.
     
    3.5 On the structure of large data sets.
     
    3.6 Data base management and related issues.
     
    3.7 The stages of a data analysis.
     
    3.8 Examples and some thoughts on strategy.
     
    3.9 Volume reduction.
     
    3.10 Supercomputers and software challenges.
     
    3.11 Summary of conclusions.
     
    4 Languages for Data Analysis.
     
    4.1 Goals and purposes.
     
    4.2 Natural languages and computing languages.
     
    4.3 Interface issues.
     
    4.4 Miscellaneous issues.
     
    4.5 Requirements for a general purpose immediate language.
     
    5 Approximate Models.
     
    5.1 Models.
     
    5.2 Bayesian modeling.
     
    5.3 Mathematical statistics and approximate models.
     
    5.4 Statistical significance and physical relevance.
     
    5.5 Judicious use of a wrong model.
     
    5.6 Composite models.
     
    5.7 Modeling the length of day.
     
    5.8 The role of simulation.
     
    5.9 Summary of conclusions.
     
    6 Pitfalls.
     
    6.1 Simpson's paradox.
     
    6.2 Missing data.
     
    6.3 Regression of Y on X or of X on Y.
     
    7 Create order in data.
     
    7.1 General considerations.
     
    7.2 Principal component methods.
     
    7.3 Multidimensional scaling.
     
    7.4 Correspondence analysis.
     
    7.5 Multidimensional scaling vs. Correspondence analysis.
     
    8 More case studies.
     
    8.1 A nutshell example.
     
    8.2 Shape invariant modeling.
     
    8.3 Comparison of point configurations.
     
    8.4 Notes on numerical optimization.
     
    References.
     
    Index.