商業分析 (與數據溝通)

陳俊 董望 王文明

商業分析 (與數據溝通)

買這商品的人也買了...

相關主題

商品描述

本書針對高校商學院商業分析課程編寫，內容涵蓋了所有相關的商業分析主題，而且各個主題在設計上都是模塊化的，教師授課時可靈活地選擇最符合其課程目標的主題。比如，本書可以適用於涵蓋數據處理（第2章）、數據可視化（第3章）、綜合指標（第3章）、統計理論（第4章和第5章）和回歸分析（第6章和第7章）的入門課程，或側重於預測（第8、9、10、11和12章）和預測性建模（第13章）的高級商業分析課程。 為適應不同學生對於統計軟件的需求，本書每個知識點都提供了Excel和R語言兩種分析方法和實際操作，而且所有的例題和習題都是使用撰寫本書時最新版本的軟件解決的，即Microsoft Office Professional 2016、Analytic Solver 2019和R語言3.5.3版本。 本書的最終目的是讓學生更好地理解、管理和可視化數據，學會應用適當的分析工具，並對研究結果及其相關性進行溝通。

作者簡介

桑吉瓦·加吉亞（Sanjiv Jaggia），加利福尼亞州立理工大學經濟學和金融學教授，在印第安納大學獲得博士學位，特許金融分析師。其研究興趣集中在商業統計學和計量經濟學。在領先的學術期刊上發表多篇論文，出版兩本成功的商業統計學教材。

目錄大綱

第1章 商業分析導論
1.1 商業分析概述
1.2 數據類型
練習1.2
1.3 變量和測量尺度
練習1.3
1.4 數據源和文件形式
練習1.4
1.5 大數據寫作
第2章 數據管理和處理
2.1 數據管理
練習2.1
2.2 數據檢查
練習2.2
2.3 數據準備
練習2.3
2.4 轉換數值數據
練習2.4
2.5 轉換分類數據
練習2.5
2.6 大數據寫作
第3章 數據可視化和綜合指標
3.1 可視化分類變量和數值變量的方法
練習3.1
3.2 將兩個變量之間關系可視化的方法
練習3.2
3.3 其他數據可視化的方法
練習3.3
3.4 綜合指標
練習3.4
3.5 檢測異常值
練習3.5
3.6 大數據寫作
第4章 概率與概率分佈
4.1 概率的概念與概率公式
練習4.1
4.2 全概率公式與貝葉斯定理
練習4.2
4.3 隨機變量與離散型概率分佈
練習4.3
4.4 二項分佈與泊松分佈
練習4.4
4.5 正態分佈
練習4.5
4.6 大數據寫作
第5章 統計推斷
5.1 抽樣分佈
練習5.1
5.2 估計
練習5.2
5.3 假設檢驗
練習5.3
5.4 大數據寫作
第6章 回歸分析I
6.1 線性回歸模型
練習6.1
6.2 模型選擇
練習6.2
6.3 顯著性檢驗
練習6.3
6.4 模型假設和常見違例
練習6.4
6.5 大數據寫作
第7章 高級回歸分析
7.1 包含交五變量的回歸模型
練習7.1
7.2 非線性關系的回歸模型
練習7.2
7.3 線性概率模型和邏輯回歸模型
練習7.3
7.4 交叉驗證方法
練習7.4
7.5 大數據寫作
第8章 數據挖掘導論
8.1 數據挖掘概述
8.2 相似性指標
6練習8.2
8.3 性能評估
練習8.3
8.4 主成分分析
練習8.4
8.5 大數據寫作
第9章 有監督數據挖掘：k-最近鄰法和樸素貝葉斯方法
9.1 有監督數據挖掘簡介
9.2 k-最近鄰法
練習9.2
9.3 樸素貝葉斯方法
練習9.3
9.4 大數據寫作
第10章 有監督數據挖掘：決策樹
10.1 分類樹和回歸樹簡介
10.2 分類樹
練習10.2
10.3 回歸樹
練習10.3
10.4 集成樹欖型
練習10.4
10.5 大數據寫作
第11章 無監督數據挖掘
11.1 層次聚類分析
練習11.1
11.2 k-均值聚類分析
練習11.2
11.3 關聯規則分析
練習11.3
11.4 大數據寫作
第12章 利用時間序列數據進行預測
12.1 時間序列的預測過程
12.2 簡單平滑法
練習12.2
12.3 趨勢和季節性的線性回歸模型
練習12.3
12.4 趨勢和季節性的非線性回歸模型
練習12.4
12.5 數據分區和模型選擇
練習12.5
12.6 高級指數平滑法
練習12.6
12.7 大數據寫作
第13章 規範性分析簡介
13.1 規範性分析概述
13.2 蒙特卡羅模擬
13.3 線性規劃的優化
練習13.3
13.4 整數規劃優化
練習13.4
13.5 大數據寫作
附錄A 大數據集：變量描述和數據字典
附錄B Excel和Excel加載項入門
附錄C R語言入門
附錄D 統計表

類似商品

最後瀏覽商品 (20)