Geschäftskunden Kundenprogramme
Vor Ort
Merkzettel Warenkorb
Produktbild: Stine, R: Student's Solutions Manual for Statistics for Busi

Stine, R: Student's Solutions Manual for Statistics for Busi Decision Making and Analysis

Fr. 76.90

inkl. gesetzl. MwSt., Versandkostenfrei

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

01.01.1976

Verlag

Pearson Academic

Seitenzahl

120

Maße (L/B/H)

27.4/21.1/1 cm

Gewicht

250 g

Auflage

3. Auflage

Sprache

Englisch

ISBN

978-0-13-449736-5

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

01.01.1976

Verlag

Pearson Academic

Seitenzahl

120

Maße (L/B/H)

27.4/21.1/1 cm

Gewicht

250 g

Auflage

3. Auflage

Sprache

Englisch

ISBN

978-0-13-449736-5

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Stine, R: Student's Solutions Manual for Statistics for Busi

  • I. Variation

    1. Introduction

    2. Data

    3. Describing Categorical Data

    4. Describing Numerical Data

    5. Association Between Categorical Variables

    6. Association Between Quantitative Variables


    II. Probability

    1. Probability

    2. Conditional Probability

    3. Random Variables

    4. Association Between Random Variables

    5. Probability Models for Counts

    6. The Normal Probability Model


    III. Inference

    1. Samples and Surveys

    2. Sampling Variation and Quality

    3. Confidence Intervals

    4. Statistical Tests

    5. Comparison

    6. Inference for Counts


    IV. Regression Models

    1. Linear Patterns

    2. Curved Patterns

    3. The Simple Regression Model

    4. Regression Diagnostics

    5. Multiple Regression

    6. Building Regression Models

    7. Categorical Explanatory Variables

    8. Analysis of Variance

    9. Time Series


    Supplementary Material (Online-Only)
    Alternative Approaches to Inference
    Two-Way Analysis of Variance
    Regression with Big Data