دانلود کتاب R برای تحقیقات بازاریابی و تجزیه و تحلیل بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : R for Marketing Research and Analytics
ویرایش : 1
عنوان ترجمه شده به فارسی : R برای تحقیقات بازاریابی و تجزیه و تحلیل
سری : Use R!
نویسندگان : Chris Chapman, Elea McDonnell Feit (auth.)
ناشر : Springer International Publishing
سال نشر : 2015
تعداد صفحات : 459
ISBN (شابک) : 3319144359 , 9783319144351
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 6 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
این کتابمعرفی کامل بر قدرت R برای متخصصین تحقیقات بازاریابی است. متن مدل های آماری را از نقطه نظر مفهومی با حداقل مقدار ریاضیات، با فرض دانش مقدماتی آمار توصیف می کند. فصلهای عملی با درخواست از خوانندگان برای تعامل با R از همان ابتدا، منحنی یادگیری را تسریع میکنند. موضوعات اصلی شامل زبان R، آمار اولیه، مدلسازی خطی، و تجسم دادهها است که به عنوان بخشی جدایی ناپذیر از تجزیه و تحلیل ارائه میشود.
فصلهای بعدی موضوعات پیشرفتهتری را پوشش میدهند، اما در نظر گرفته شده است که برای همه تحلیلگران قابل دسترسی باشد. . این بخشها رگرسیون لجستیک، تقسیمبندی مشتری، مدلسازی خطی سلسله مراتبی، تحلیل سبد بازار، مدلسازی معادلات ساختاری، و تحلیل مشترک را در R مورد بررسی قرار میدهند. واریانس، مدل های خطی، و تجزیه و تحلیل ترکیبی مبتنی بر متریک و انتخاب.
این کتاب با تأکید بر تجسم داده ها، ارزیابی مدل و توسعه شهود آماری، راهنمایی برای هر تحلیلگری که به دنبال توسعه یا بهبود مهارت ها است ارائه می دهد. در R برای برنامه های بازاریابی.
This bookis a complete introduction to the power of R for marketing research practitioners. The text describes statistical models from a conceptual point of view with a minimal amount of mathematics, presuming only an introductory knowledge of statistics. Hands-on chapters accelerate the learning curve by asking readers to interact with R from the beginning. Core topics include the R language, basic statistics, linear modeling, and data visualization, which is presented throughout as an integral part of analysis.
Later chapters cover more advanced topics yet are intended to be approachable for all analysts. These sections examine logistic regression, customer segmentation, hierarchical linear modeling, market basket analysis, structural equation modeling, and conjoint analysis in R. The text uniquely presents Bayesian models with a minimally complex approach, demonstrating and explaining Bayesian methods alongside traditional analyses for analysis of variance, linear models, and metric and choice-based conjoint analysis.
With its emphasis on data visualization, model assessment, and development of statistical intuition, this book provides guidance for any analyst looking to develop or improve skills in R for marketing applications.