Regression Analysis Microsoft Excel

دانلود کتاب Regression Analysis Microsoft Excel

36000 تومان موجود

کتاب تجزیه و تحلیل رگرسیون مایکروسافت اکسل نسخه زبان اصلی

دانلود کتاب تجزیه و تحلیل رگرسیون مایکروسافت اکسل بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید


این کتاب نسخه اصلی می باشد و به زبان فارسی نیست.


امتیاز شما به این کتاب (حداقل 1 و حداکثر 5):

امتیاز کاربران به این کتاب:        تعداد رای دهنده ها: 6


توضیحاتی در مورد کتاب Regression Analysis Microsoft Excel

نام کتاب : Regression Analysis Microsoft Excel
ویرایش : 1
عنوان ترجمه شده به فارسی : تجزیه و تحلیل رگرسیون مایکروسافت اکسل
سری :
نویسندگان :
ناشر : Que Publishing
سال نشر : 2016
تعداد صفحات : 0
ISBN (شابک) : 0789756552 , 9780789756558
زبان کتاب : English
فرمت کتاب : epub    درصورت درخواست کاربر به PDF تبدیل می شود
حجم کتاب : 19 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.

توضیحاتی در مورد کتاب :




        

این کاملترین راهنمای امروز برای تجزیه و تحلیل رگرسیون با Microsoft® Excel برای هر کار تجزیه و تحلیل تجاری یا تحقیقاتی است. . کنراد کارلبرگ MVP مایکروسافت با تکیه بر ۲۵ سال تجربه آماری پیشرفته، نحوه استفاده از توابع کاربرگ مربوط به رگرسیون اکسل را برای انجام طیف گسترده ای از تحلیل های عملی نشان می دهد.

​​< br>

کارلبرگ به وضوح تمام تئوری هایی را که برای جلوگیری از اشتباه، درک اینکه رگرسیون های شما واقعاً انجام می دهند، و تحلیل های انجام شده توسط دیگران را ارزیابی می کنید، به وضوح توضیح می دهد. کارلبرگ از همبستگی‌های ساده و آزمون‌های t تا تحلیل کوواریانس چندگانه، با استفاده از مثال‌های معنادار، راه‌حل‌های عملی و گام به گام را ارائه می‌کند.

 
< /p>

او پیامدهای استفاده از هر گزینه و آرگومان را مورد بحث قرار می‌دهد، به ویژگی‌های خاص و مناقشه‌های مرتبط با توابع رگرسیون اکسل اشاره می‌کند و نحوه استفاده مطمئن از آنها را در زمینه‌های مختلف پزشکی نشان می‌دهد. تحقیق تا تجزیه و تحلیل مالی به عملیات.

 

شما به گرانی نیاز ندارید نرم افزار یا دکترای آمار برای کار با تحلیل رگرسیون. مایکروسافت اکسل همه ابزارهای مورد نیاز شما را دارد—و این کتاب همه دانش را دارد!

 

  • ​​درک آنچه که تحلیل رگرسیون می تواند انجام دهد و نمی تواند انجام دهد و چرا
  • توابع مبتنی بر رگرسیون اصلی که در تمام نسخه های اخیر اکسل تعبیه شده است
  • با همبستگی و رگرسیون ساده کار کنید
  • از عملکرد بهبود یافته LINEST() Excel حداکثر استفاده را ببرید
  • برنامه ریزی و انجام رگرسیون چندگانه
  • مفروضات مهم را از فرضیات غیر مهم متمایز کنید
    < /li>
  • گزینه های تحلیل خود را با استفاده از رگرسیون به جای تحلیل واریانس سنتی گسترش دهید
  • برای کاهش تعصب و افزایش قدرت آماری متغیرهای کمکی به تحلیل خود اضافه کنید

 



توضیحاتی در مورد کتاب به زبان اصلی :


        

This is today’s most complete guide to regression analysis with Microsoft® Excel for any business analytics or research task. Drawing on 25 years of advanced statistical experience, Microsoft MVP Conrad Carlberg shows how to use Excel’s regression-related worksheet functions to perform a wide spectrum of practical analyses.


Carlberg clearly explains all the theory you’ll need to avoid mistakes, understand what your regressions are really doing, and evaluate analyses performed by others. From simple correlations and t-tests through multiple analysis of covariance, Carlberg offers hands-on, step-by-step walkthroughs using meaningful examples.

 

He discusses the consequences of using each option and argument, points out idiosyncrasies and controversies associated with Excel’s regression functions, and shows how to use them reliably in fields ranging from medical research to financial analysis to operations.

 

You don’t need expensive software or a doctorate in statistics to work with regression analyses. Microsoft Excel has all the tools you need—and this book has all the knowledge!

 

  • Understand what regression analysis can and can’t do, and why
  • Master regression-based functions built into all recent versions of Excel
  • Work with correlation and simple regression
  • Make the most of Excel’s improved LINEST() function
  • Plan and perform multiple regression
  • Distinguish the assumptions that matter from the ones that don’t
  • Extend your analysis options by using regression instead of traditional analysis of variance
  • Add covariates to your analysis to reduce bias and increase statistical power

 




پست ها تصادفی