<div class="raw-html-embed"><a href="https://staempflirecht.ch/studium">JUS-Studium? Das Fachwissen von Expertinnen und Experten des Schweizer Rechts – griffbereit!</a></div>

Über uns

À propos de nous

Nachhaltigkeit

Durabilité

Open Access

Karriere

Carrière

Aboverträge Kündigen

Résiliation d’abonnement

Vertrag widerrufen

Résiliation de contrat 

Datenschutz

Protection des données

Impressum

Mentions légales

Barrierefreiheit

Accessibilité

Zahlung und Lieferung

Paiement et livraison

Libra

Was ist Libra?

C'est quoi Libra ?

Kostenlos testen

Tester gratuitement

LEXIA

LEXIA Arbeitsrecht

Was ist LEXIA?

C'est quoi LEXIA ?

LEXIA Familienrecht

Zeitschriften

Revues

recht

Pflegerecht

ZBJV

forumpoenale

ZStrR

Anwaltsrevue

Revue de l'avocat

RSAS

FamPra.ch

ASYL

Life Science Recht

BlAR

Sachbuch

Livres spécialisés

LOKI

Semaphor

Fokusthemen

Focus

Thema

Recht studieren

Arbeitsrecht

Droit du travail

Studium

Études

Familienrecht

Droit de la famille

Sozialversicherungsrecht

Droit des assurances sociales

Strafrecht

Droit pénal

Aktienrecht

Droit des sociétés anonymes

Publikationen

Publications

Literatur

Digitales Angebot

Bücher

Livres

Buchreihen

Collections

Onlinemodule LEXIA

Modules en ligne LEXIA

recht.ch

Studienliteratur

Littérature pour les études

Swisslex

Dienstleistungen

Services

Dienstleistungen für

Corporate Books

Publishing Lösungen

Aktuelles

Geschäftskunden

Professionnels

Corporate Publishing

Content solutions

Buchhandlungen

Librairies

Veranstaltungen

Événements

Presse

Dozierende

Enseignants

Studierende

Étudiants

Inserierende

Annonceurs

Newsletter

Blog

Autorinnen/Autoren

Auteurs

Unsere Schreibenden

Hilfe

Unsere Autorinnen und Autoren

Liste

Autorenlounge

Espace des auteurs

Bei uns publizieren

Publier chez nous

Open Access Policy

Verlag

Éditions

Themen

Mehr wissen

Mitarbeitende

Collaborateurs

Geschichte

Histoire

Unser Magazin

Notre magazine

Vision und Mission

Vision et mission

Partner

Partenaires

Unternehmenskultur

Culture d'entreprise

Kontakt

Contact

Shop

Schweizer Recht

Ausländisches Recht

Über unseren Shop

Neuerscheinungen

Nouveautés

Sortiment & Suche

Catalogue & Recherche

Vorankündigungen

À paraître

Nach Rechtsgebiet

Par domaine juridique

Kommentare

Commentaires

Gesamtkatalog

Catalogue complet

Fachkatalog Recht

Catalogue de droit

 Anonymous

Nachfrageprognose, Standortauswahl und Auftrags-Priorisierung für einen Getränkeproduzent

Hier werden die für die Medizin relevanten KI-Algorithmen nachvollziehbar erklärt: Grundlagen und typische Anwendungsbereiche, die Mathematik dahinter, Daten und Datentypen, Programmierung in Python inkl. Code-Beispielen sowie Erkennen und Vermeiden von Fehlern. Einsetzbar sowohl für Forschungsarbeiten als auch für die Anwendung und Entwicklung KI-basierter Tools im medizinischen Alltag. Teil I - Einführung Was sind künstliche Intelligenz, maschinelles Lernen bzw. Deep Learning? Wo und wie kommen sie in der Medizin zum Einsatz? Welche Möglichkeiten und Grenzen bieten die Algorithmen? Welche Risiken, ethischen und rechtlichen Aspekte sind zu bedenken? Teil II - Die wichtigsten Algorithmen Für welche Analysen eignen sie sich, welche Vor- und Nachteile haben sie? Welche mathematischen Formeln liegen den KI-Modellen zugrunde? Wie werden diese programmiert und trainiert? Wie erkennt und vermeidet man Fehler? <ul><li>Lineare Regressionen</li><li>Logistische Regressionen</li><li>Support Vector Machines (SVMs)</li><li>Decision Trees und Random Forests</li><li>Clustering</li><li>Neuronale Netze (FCNNs)</li><li>Convolutional Neural Networks (CNNs)</li><li>Graph Neural Networks (GNNs)</li><li>Generative künstliche Intelligenz</li></ul> Daneben werden die nötigen Grundlagen zu Daten, Datentypen und zur Programmierung in Python erläutert, die Code-Beispiele sind als Download verfügbar. Dieses Werk eignet sich für alle, die medizinische Daten z.B. im Rahmen einer Doktorarbeit eigenständig auswerten wollen oder die ein vertieftes Verständnis der Anwendung von KI-Algorithmen in der Medizin anstreben, um bestehende Tools gezielt einsetzen oder neue entwickeln zu können: Studierende der Medizin, Bioinformatik, Informatik, Data Science, Ingenieurwissenschaften, Betriebswirtschaftslehre und verwandter Fächer, sowie auch Forschende, Ärztinnen und Ärzte oder Unternehmerinnen und Unternehmer.

Hier werden die für die Medizin relevanten KI-Algorithmen nachvollziehbar erklärt: Grundlagen und typische Anwendungsbereiche, die Mathematik dahinter, Daten und Datentypen, Programmierung in Python inkl. Code-Beispielen sowie Erkennen und Vermeiden von Fehlern. Einsetzbar sowohl für Forschungsarbeiten als auch für die Anwendung und Entwicklung KI-basierter Tools im medizinischen Alltag.
 Teil I - Einführung 
 Was sind künstliche Intelligenz, maschinelles Lernen bzw. Deep Learning? Wo und wie kommen sie in der Medizin zum Einsatz? Welche Möglichkeiten und Grenzen bieten die Algorithmen? Welche Risiken, ethischen und rechtlichen Aspekte sind zu bedenken?
 Teil II - Die wichtigsten Algorithmen 
 Für welche Analysen eignen sie sich, welche Vor- und Nachteile haben sie? Welche mathematischen Formeln liegen den KI-Modellen zugrunde? Wie werden diese programmiert und trainiert? Wie erkennt und vermeidet man Fehler?
 <ul><li>Lineare Regressionen</li><li>Logistische Regressionen</li><li>Support Vector Machines (SVMs)</li><li>Decision Trees und Random Forests</li><li>Clustering</li><li>Neuronale Netze (FCNNs)</li><li>Convolutional Neural Networks (CNNs)</li><li>Graph Neural Networks (GNNs)</li><li>Generative künstliche Intelligenz</li></ul> 
 Daneben werden die nötigen Grundlagen zu Daten, Datentypen und zur Programmierung in Python erläutert, die Code-Beispiele sind als Download verfügbar.
 
 Dieses Werk eignet sich für alle, die medizinische Daten z.B. im Rahmen einer Doktorarbeit eigenständig auswerten wollen oder die ein vertieftes Verständnis der Anwendung von KI-Algorithmen in der Medizin anstreben, um bestehende Tools gezielt einsetzen oder neue entwickeln zu können: Studierende der Medizin, Bioinformatik, Informatik, Data Science, Ingenieurwissenschaften, Betriebswirtschaftslehre und verwandter Fächer, sowie auch Forschende, Ärztinnen und Ärzte oder Unternehmerinnen und Unternehmer.

Für Studium, Forschung, Klinik und Wirtschaft

Künstliche Intelligenz in der Medizin: Anwendungen, Algorithmen und Programmierung

Animals

Frischen Sie Ihre Mathematik-Kenntnisse für Datenanalysen, Machine Learning und Neuronale Netze auf!
 
 <ul>
 
 <li>Dieses Buch richtet sich an angehende und fortgeschrittene Data Scientists sowie Programmierer*innen, die sich die mathematischen Grundlagen der Data Science aneignen wollen</li>
 
 <li>Besonders gut nachvollziehbar durch minimale mathematische Fachterminologie, praxisnahe Beispiele und zahlreiche Abbildungen</li>
 
 <li>Mit Übungen und Lösungen, um das Gelernte zu vertiefen</li>
 
 <li>Für Studium und Beruf</li>
 
 </ul>
 
 Um als Data Scientist erfolgreich zu sein, müssen Sie über ein solides mathematisches Grundwissen verfügen. Dieses Buch bietet einen leicht verständlichen Überblick über die Mathematik, die Sie in der Data Science benötigen. Thomas Nield führt Sie Schritt für Schritt durch Bereiche wie Infinitesimalrechnung, Wahrscheinlichkeit, lineare Algebra, Statistik und Hypothesentests und zeigt Ihnen, wie diese Mathe-Basics beispielsweise in der linearen und logistischen Regression und in neuronalen Netzen eingesetzt werden. Zusätzlich erhalten Sie Einblicke in den aktuellen Stand der Data Science und erfahren, wie Sie dieses Wissen für Ihre Karriere als Data Scientist nutzen.
 
 <ul>
 
 <li>Verwenden Sie Python-Code und Bibliotheken wie SymPy, NumPy und scikit-learn, um grundlegende mathematische Konzepte wie Infinitesimalrechnung, lineare Algebra, Statistik und maschinelles Lernen zu erkunden</li>
 
 <li>Verstehen Sie Techniken wie lineare und logistische Regression und neuronale Netze durch gut nachvollziehbare Erklärungen und ein Minimum an mathematischer Terminologie</li>
 
 <li>Wenden Sie deskriptive Statistik und Hypothesentests auf einen Datensatz an, um p-Werte und statistische Signifikanz zu interpretieren</li>
 
 <li>Manipulieren Sie Vektoren und Matrizen und führen Sie Matrixzerlegung durch</li>
 
 <li>Vertiefen Sie Ihre Kenntnisse in Infinitesimal- und Wahrscheinlichkeitsrechnung, Statistik und linearer Algebra und wenden Sie sie auf Regressionsmodelle einschließlich neuronaler Netze an</li>
 
 <li>Erfahren Sie, wie Sie Ihre Kenntnisse und Fähigkeiten in der Datenanalyse optimieren und gängige Fehler vermeiden, um auf dem Data-Science-Arbeitsmarkt zu überzeugen</li>
 
 </ul>

Frischen Sie Ihre Mathematik-Kenntnisse für Datenanalysen, Machine Learning und Neuronale Netze auf!
 
 <ul><li>Dieses Buch richtet sich an angehende und fortgeschrittene Data Scientists sowie Programmierer*innen, die sich die mathematischen Grundlagen der Data Science aneignen wollen</li><li>Besonders gut nachvollziehbar durch minimale mathematische Fachterminologie, praxisnahe Beispiele und zahlreiche Abbildungen</li><li>Mit Übungen und Lösungen, um das Gelernte zu vertiefen</li><li>Für Studium und Beruf</li></ul>Um als Data Scientist erfolgreich zu sein, müssen Sie über ein solides mathematisches Grundwissen verfügen. Dieses Buch bietet einen leicht verständlichen Überblick über die Mathematik, die Sie in der Data Science benötigen. Thomas Nield führt Sie Schritt für Schritt durch Bereiche wie Infinitesimalrechnung, Wahrscheinlichkeit, lineare Algebra, Statistik und Hypothesentests und zeigt Ihnen, wie diese Mathe-Basics beispielsweise in der linearen und logistischen Regression und in neuronalen Netzen eingesetzt werden. Zusätzlich erhalten Sie Einblicke in den aktuellen Stand der Data Science und erfahren, wie Sie dieses Wissen für Ihre Karriere als Data Scientist nutzen.<ul><li>Verwenden Sie Python-Code und Bibliotheken wie SymPy, NumPy und scikit-learn, um grundlegende mathematische Konzepte wie Infinitesimalrechnung, lineare Algebra, Statistik und maschinelles Lernen zu erkunden</li><li>Verstehen Sie Techniken wie lineare und logistische Regression und neuronale Netze durch gut nachvollziehbare Erklärungen und ein Minimum an mathematischer Terminologie</li><li>Wenden Sie deskriptive Statistik und Hypothesentests auf einen Datensatz an, um p-Werte und statistische Signifikanz zu interpretieren</li><li>Manipulieren Sie Vektoren und Matrizen und führen Sie Matrixzerlegung durch</li><li>Vertiefen Sie Ihre Kenntnisse in Infinitesimal- und Wahrscheinlichkeitsrechnung, Statistik und linearer Algebra und wenden Sie sie auf Regressionsmodelle einschließlich neuronaler Netze an</li><li>Erfahren Sie, wie Sie Ihre Kenntnisse und Fähigkeiten in der Datenanalyse optimieren und gängige Fehler vermeiden, um auf dem Data-Science-Arbeitsmarkt zu überzeugen</li></ul>

Lineare Algebra, Statistik und Wahrscheinlichkeitsrechnung für die Datenanalyse

Mathe-Basics für Data Scientists

Aus der Reihe: e-fellows.net stipendiaten-wissen

Immer mehr multinationale Unternehmen verlagern ihre Gewinne in Steueroasen, um dort von den niedrigen Steuersätzen zu profitieren. Ein großes Potential für die Steuervermeidung bieten die Lücken in den maßgebenden Verrechnungspreisleitlinien, die von der Organisation für wirtschaftliche Zusammenarbeit und Entwicklung (OECD) entworfen wurden.

Welche Funktionen erfüllen Verrechnungspreise in Unternehmen? Wie sind die deutschen Verrechnungspreisvorschriften auszulegen und von welchen Faktoren hängt die Wahl ab? Welche Risiken gibt es für den Steuerpflichtigen im Falle unangemessener Verrechnungspreise? Und wie wirken sich die aktuellen OECD-Verrechnungspreismethoden auf Steuersätze aus?

Der Autor Marc Speicher klärt die wichtigsten Fragen zum Thema Verrechnungspreise in Unternehmen. Er beleuchtet verschiedene Typen von Verrechnungspreisen und geht auf die Chancen und Risiken der OECD-Verrechnungspreismethoden ein. Dabei gibt er praktische Tipps, wie Steuerpflichtige zu mehr Rechtssicherheit gelangen können.

Aus dem Inhalt: 
- Advance Pricing Agreements;
- Fremdvergleichsgrundsatz;
- Steuervermeidung;
- Körperschaftsteuersätze;
- Preisvergleichsmethode;
- Wiederverkaufspreismethode;
- Kostenaufschlagsmethode

Verrechnungspreisbildung in Unternehmen. Wie wirken sich die OECD-Verrechnungspreismethoden auf Steuersätze aus?

Kenntnisse der Wirtschaftsstatistik sind für ein erfolgreiches Wirtschaftsstudium unerlässlich. Erfahrungsgemäß tun sich Studierende aber gerade damit schwer. Das Buch legt deshalb besonderen Wert auf Verständlichkeit: Definitionen sind mit Beispielen versehen und jedes Kapitel endet mit einer Zusammenfassung. Die zahlreichen Prüfungstipps beruhen auf Erkenntnissen aus der Korrektur von über 10.000 Klausuren.
Im Buch finden sich alle Themen, die Bachelorstudierende der Wirtschaftswissenschaften kennen sollten. Dazu zählen u. a. die Darstellung von Datensätzen, die Wahrscheinlichkeitsrechnung, Lage- und Streuungsparameter, die lineare Regression, Indizes, diskrete und stetige Verteilungsmodelle, das Schätzen von Parametern, Konfidenzintervalle sowie die statistischen Tests: Gaußtest, t-Test, Chi-Quadrat-Unabhängigkeitstest und Chi-Quadrat-Anpassungstest.

Kenntnisse der Wirtschaftsstatistik sind für ein erfolgreiches Wirtschaftsstudium unerlässlich. Erfahrungsgemäß tun sich Studierende aber gerade damit schwer. Das Buch legt deshalb besonderen Wert auf Verständlichkeit: Definitionen sind mit Beispielen versehen und jedes Kapitel endet mit einer Zusammenfassung. Die zahlreichen Prüfungstipps beruhen auf Erkenntnissen aus der Korrektur von über 10.000 Klausuren.
Im Buch finden sich alle Themen, die Bachelorstudierende der Wirtschaftswissenschaften kennen sollten. Dazu zählen u. a. die Darstellung von Datensätzen, die Wahrscheinlichkeitsrechnung, Lage- und Streuungsparameter, die lineare Regression, Indizes, diskrete und stetige Verteilungsmodelle, das Schätzen von Parametern, Konfidenzintervalle sowie die statistischen Tests: Gaußtest, t-Test, Chi-Quadrat-Unabhängigkeitstest und Chi-Quadrat-Anpassungstest. 
Das Lehrbuch richtet sich an Studierende der Betriebs- und Volkswirtschaftslehre.

Wirtschaftsstatistik für Bachelor

Schritt für Schritt zur eigenen Studie mit RDatenanalyse ist überall angekommen - machen auch Sie mit! Und zwar ohne Vorkenntnisse, ein wenig Schulmathematik genügt. Vor allem Quereinsteiger sind bei diesem Buch richtig wie zum Beispiel Studenten und Studentinnen, Soziologen, Germanisten oder Historiker, sowie Journalisten, die mit quantitativen Methoden beginnen möchten. Ganz gleich, ob Sie Data Science für die Forschung oder im Unternehmen betreiben, hier finden Sie den richtigen Einstieg mit vielen Alltagsbeispielen. Sie bekommen alles an die Hand, was Sie für den sicheren Einstieg brauchen. Lassen Sie Excel-Tabellen hinter sich und lernen Sie, wie Sie statistische Analysen mit R programmieren. Auch die mathematischen Grundlagen lernen Sie in diesem Buch kennen, von den Mittelwerten bis zur linearen Regression. Nach der Lektüre sind Sie in der Lage, ein eigenes Projekt mit ausgewählten statistischen Methoden durchzuführen und Ihre Ergebnisse zu visualisieren.<ul><li>Für Quereinsteiger und alle Fächer ohne MINT-Schwerpunkt</li><li>Mit allen Grundlagen: Datenanalyse, Programmierung, Statistik</li><li>Von der Installation bis zur Visualisierung Ihrer Ergebnisse</li></ul> Aus dem Inhalt:<ul><li>Installation</li><li>Programmieren für Quereinsteiger</li><li>Daten verschiedener Formate laden</li><li>Daten bereinigen</li><li>Mit fehlenden Werten umgehen</li><li>Wachstumsberechnungen</li><li>Mittelwerte</li><li>Lineare Regression</li><li>R Studio</li><li>Einstieg in die Programmiersprache R</li></ul>

Schritt für Schritt zur eigenen Studie mit RDatenanalyse ist überall angekommen – machen auch Sie mit! Und zwar ohne Vorkenntnisse, ein wenig Schulmathematik genügt. Vor allem Quereinsteiger sind bei diesem Buch richtig wie zum Beispiel Studenten und Studentinnen, Soziologen, Germanisten oder Historiker, sowie Journalisten, die mit quantitativen Methoden beginnen möchten. Ganz gleich, ob Sie Data Science für die Forschung oder im Unternehmen betreiben, hier finden Sie den richtigen Einstieg mit vielen Alltagsbeispielen. Sie bekommen alles an die Hand, was Sie für den sicheren Einstieg brauchen. Lassen Sie Excel-Tabellen hinter sich und lernen Sie, wie Sie statistische Analysen mit R programmieren. Auch die mathematischen Grundlagen lernen Sie in diesem Buch kennen, von den Mittelwerten bis zur linearen Regression. Nach der Lektüre sind Sie in der Lage, ein eigenes Projekt mit ausgewählten statistischen Methoden durchzuführen und Ihre Ergebnisse zu visualisieren.Für Quereinsteiger und alle Fächer ohne MINT-SchwerpunktMit allen Grundlagen: Datenanalyse, Programmierung, StatistikVon der Installation bis zur Visualisierung Ihrer Ergebnisse Aus dem Inhalt:InstallationProgrammieren für QuereinsteigerDaten verschiedener Formate ladenDaten bereinigenMit fehlenden Werten umgehenWachstumsberechnungenMittelwerteLineare RegressionR StudioEinstieg in die Programmiersprache R

Datenanalyse und Statistik ohne Vorkenntnisse

Einstieg in Data Science mit R

Wie plant man eine empirische Erhebung? Wie gestaltet man einen Fragebogen? Wie werden die Daten analysiert und interpretiert? In gut nachvollziehbaren Schritten bietet dieses Lehrbuch einen praktischen Leitfaden für die Umsetzung wissenschaftlicher Erhebungen.

Das Buch behandelt von der Formulierung einer Forschungsidee über die Konstruktion eines Fragebogens bis hin zu den wichtigsten Auswertungsschritten mit dem Statistikprogramm SPSS, Version 26, alle wichtigen Stufen und beinhaltet viele Beispiele.

Wie plant man eine empirische Erhebung? Wie gestaltet man einen Fragebogen? Wie werden die Daten analysiert und interpretiert? In gut nachvollziehbaren Schritten bietet dieses Lehrbuch einen praktischen Leitfaden für die Umsetzung wissenschaftlicher Erhebungen.

Das Buch behandelt von der Formulierung einer Forschungsidee über die Konstruktion eines Fragebogens bis hin zu den wichtigsten Auswertungsschritten mit dem Statistikprogramm SPSS, Version 26, alle wichtigen Stufen und beinhaltet viele Beispiele.

Von der Forschungsidee zur SPSS-Auswertung

Der Fragebogen

Studienarbeit aus dem Jahr 2017 im Fachbereich BWL - Sonstiges, Note: 1,7, FOM Hochschule für Oekonomie &amp; Management gemeinnützige GmbH, Köln, Sprache: Deutsch, Abstract: Wirtschaftsprüfungen nehmen in der Zeit der Globalisierung und kapitalmarktorientierten Unternehmen eine immer wichtigere Rolle ein. Der Jahresabschluss und Konzernabschluss ist für Anleger und Investoren oftmals die einzige Informationsquelle. Demzufolge stellt die Unabhängigkeit des Abschlussprüfers als eine essentielle Voraussetzung für die Jahresabschlussprüfung dar. Die Vergangenheit mit zahlreichen Unternehmenszusammenbrüchen zeigte dennoch, dass diese Unabhängigkeit nicht stets gewährleistet war. 

Als Konsequenz daraus mussten ab dem Jahr 2005 die Honorare für Wirtschaftsprüfungsleistungen in den Anhängen der Jahresabschlüsse veröffentlicht werden. Nun wurden die Vergütungen transparent. Dementsprechend besteht seitens der Öffentlichkeit berechtigtes Interesse, wie sich die Marktsituation hinsichtlich der Prüfungshonorare darstellt, welche Einflussfaktoren es gibt und welche Wirkung diese auf die Prüfungshonorare haben. Die wesentlichen Einflussfaktoren, welche internationale und branchenübergreifende Studien mit dem Instrument der Regressionsanalyse ermittelten, sind die Größe des Mandanten bzw. die Unternehmenskomplexität, das Prüfungsrisiko und der Prüfer selbst. Diese Studien liegen jedoch bereits einige Jahre zurück, sodass mit Rücksicht auf die globalen und regulatorischen Entwicklungen, die Studien nicht mehr die gleiche Repräsentativität für den Prüfungsmarkt aufweisen wie zu den Zeitpunkten ihrer Veröffentlichungen. Darüber hinaus konzentrierten sich die Studien mehrheitlich auf die großen Börsenindizes wie beispielsweise dem DAX 30.

Um neue Erkenntnisse zum aktuellen Stand der Forschung zu erzielen, untersucht diese Arbeit neben den in vorhergehenden Studien identifizierten Determinanten der Wirtschaftsprüfungshonorare, noch zusätzlich die Branche als potenziellen Einflussfaktor. Zudem berücksichtigt diese Untersuchung auch die mittleren Börsenindizes. Entsprechend wird als Datenbasis der HDAX genutzt. Der HDAX fasst die Unternehmen aus dem DAX30, MDAX und TecDAX zusammen und repräsentiert somit die gesamte Breite der Unternehmensgrößen und -branchen. Mit Hilfe einer Regressionsanalyse ist zu überprüfen, ob die Abschlussprüfungshonorare für das Geschäftsjahr 2016 ebenfalls von den Faktoren: Mandantengröße, Prüfungsrisiko und Prüfer sowie der Unternehmensbranche beeinflusst werden.

Determinanten der Wirtschaftsprüferhonorare. Eine empirische Analyse

Wie plant man eine empirische Erhebung? Wie setzt man die Idee um? Wie werden die Daten analysiert und interpretiert? In gut nachvollziehbaren Schritten bietet dieses Lehrbuch in mittlerweile 6., aktualisierter und überarbeiteter Auflage einen Leitfaden für die Umsetzung wissenschaftlicher Erhebungen: von der Forschungsidee über die Konstruktion eines Fragebogens bis hin zu den wichtigsten Auswertungsschritten mit dem Statistikprogramm SPSS, Version 26, in unterschiedlichen Schwierigkeitsgraden. Ein durch viele Beispiele sehr anschauliches und gut verständliches Lehrbuch!

Mit Übungsdatensatz zum Nachrechnen der Beispiele!

Von der Idee hin zur statistischen Auswertung von Erhebungen - das praxisnahe Lehrbuch in bereits 6. Auflage!

Wie plant man eine empirische Erhebung? Wie gestaltet man einen Fragebogen? Wie werden die Daten analysiert und interpretiert? In gut nachvollziehbaren Schritten bietet dieses Lehrbuch einen praktischen Leitfaden für die Umsetzung wissenschaftlicher Erhebungen.

Das Buch behandelt von der Formulierung einer Forschungsidee über die Konstruktion eines Fragebogens bis hin zu den wichtigsten Auswertungsschritten mit dem Statistikprogramm SPSS, Version 26, alle wichtigen Stufen und beinhaltet viele Beispiele.

Studienarbeit aus dem Jahr 2021 im Fachbereich VWL - Finanzwissenschaft, Note: 1,3, FOM Hochschule für Oekonomie &amp; Management gemeinnützige GmbH, Stuttgart (Wirtschaft), Veranstaltung: Empirisches Finance and Accounting, Sprache: Deutsch, Abstract: Inwieweit gibt es einen Zusammenhang zwischen ausgewählten Kennzahlen und den Länderratings? Zu Beginn der Arbeit werden Länder Europas ausgewählt und die zugehörigen Länderratings bestimmt. Im nächsten Schritt werden unterschiedlichste Kennzahlen ausgewählt und definiert. Daraufhin soll durch die univariate sowie der multivariaten Regression mögliche positive oder negative Zusammenhänge der Länderratings und Kennzahlen analysiert werden. Diese wird mit Hilfe des Statistikprogramms R erfolgen.

Der Zusammenhang zwischen ausgewählten Kennzahlen und Länderratings

ISSN

Das Buch vereinigt die zahlreichen Ansätze zur Erklärung einer Menge von Variablen mittels einer anderen Variablenmenge. Die Ansätze werden in ihren Grundstrukturen dargestellt. Die Beschränkung darauf ist notwendig, gibt es doch zu jeder der vorgestellten Methoden eigene Monographien. Auf diese Spezialliteratur wird für weitergehende Aspekte verwiesen. Die zahlreichen Beispiele werden mit der freien statistischen Programmierumgebung R durchgerechnet; dazu wird der R-Code angegeben. Die überwältigende Anzahl von Funktionen in R erlaubt es, die Vielfalt der hier besprochenen Methoden mit R allein und ohne Programmierung umzusetzen. So sind nicht zu komplexe Auswertungen auf der Basis dieses Textes leicht möglich.

Regressionsanalysen mit R

Die Formeln für das Wirtschaftsstudium immer griffbereit
Diese überarbeitete und erweiterte Auflage bietet genau die mathematischen und statistischen Formeln der Wirtschaftswissenschaften, die Sie in der Mathe- und Statistikprüfung benötigen.
Zahlreiche Verteilungen und ihre Eigenschaften sind z. B. übersichtlich in Tabellenform dargestellt, ebenso statistische Tests in Ein- und Zweistichprobenmodellen sowie Verfahren der Regressionsanalyse. Neu in dieser Formelsammlung sind unter anderem der Produktlogarithmus, die Reihendarstellung und die Regula falsi. Zudem werden die Kuhn-Tucker-Bedingungen in Spezialfällen detaillierter mittels der Determinantenmethode behandelt.
Ein unverzichtbares Nachschlagewerk, das Studierende der Betriebs- und Volkswirtschaftslehre sowie der Wirtschaftsinformatik stets griffbereit haben sollten.

Die Formeln für das Wirtschaftsstudium immer griffbereit
Die überarbeitete und erweiterte Auflage bietet genau die mathematischen und statistischen Formeln der Wirtschaftswissenschaften, die Sie in der Mathe- und Statistikprüfung benötigen.
Zahlreiche Verteilungen und ihre Eigenschaften sind zudem in Tabellenform dargestellt, ebenso statistische Tests in Ein- und Zweistichprobenmodellen sowie Verfahren der Regressionsanalyse. 
Neu in dieser Formelsammlung sind in der Mathematik die Formeln zur Analysis explizit für zwei Variablen. In der Statistik kamen Formeln bei Konfidenzintervallen für Verteilungsparameter hinzu.
Ein wichtiges Nachschlagewerk, das Studierende der Betriebs- und Volkswirtschaftslehre sowie der Wirtschaftsinformatik stets griffbereit haben sollten.

Wirtschaftswissenschaften

Formeln für Mathematik und Statistik

Projektarbeit aus dem Jahr 2020 im Fachbereich BWL - Rechnungswesen, Bilanzierung, Steuern, Note: 1,0, FOM Essen, Hochschule für Oekonomie &amp; Management gemeinnützige GmbH, Hochschulleitung Essen früher Fachhochschule, Veranstaltung: Empirisches Finance &amp; Accounting, Sprache: Deutsch, Abstract: Ziel dieser Arbeit ist es, die Determinanten der Kapitalstruktur der verhältnismäßig kleinen deutschen S-DAX Unternehmen für den aktuellen Zeitraum von 2015 bis 2019 auf Basis der Pecking-Order-Theorie zu untersuchen. Danach werden zunächst die theoretischen Grundlagen der Kapitalstrukturforschung erläutert und der bisherige Stand der Forschung untersucht. Anschließend werden die Hypothesen aufgestellt und der Aufbau der weiteren empirischen Untersuchung dargestellt, bevor die Ergebnisse der Linearen Regression im 4. Kapitel dargelegt und eingeordnet werden. Abschließend folgt im 5. Kapitel das Fazit der Untersuchung.

Die Kapitalstruktur deutscher S-DAX Unternehmen. Die Determinanten

Nachfrageprognose, Standortauswahl und Auftrags-Priorisierung für einen Getränkeproduzent

Weitere Titel zum Thema