Бизнес анализ с R
Основният фокус на Business Analytics е да разработи нови идеи за бизнеса и да оцени ефективността. Достатъчно се говори за Business Analytics и различните му техники. Това, което се изисква най-много, е задълбочено разбиране на това как статистиката се прилага в Business Analytics.
Какво е статистическо моделиране?
Статистическото моделиране е формализиране на връзките между променливите под формата на математически уравнения. По същество става въпрос за откриване на променливата. Той описва как една или повече променливи са свързани с една или повече други променливи. Тук променливите не са точно свързани, но могат да бъдат стохастично свързани.
По-просто казано, променливата не е нищо друго освен атрибут. Атрибут става ръст, тегло и възраст на човека. Височината и възрастта имат вероятностен характер. 30-годишен човек има по-големи шансове да бъде висок 4 фута. По същия начин, когато сте наясно с човек, който е на 13 години, той има по-големи шансове да бъде висок 6 фута.
Цялата цел на статистическото моделиране не е свързана с изследването, а в крайна сметка се свежда до предоставяне на представа за решенията. Включва анализ на данните и прилагането им при различни обстоятелства. Темите, обсъдени във видеото, са както следва:
java какво е скенер
1. Какво е статистическо моделиране
2. Какво е моделиране на регресия
3. Разбиране на Анализ
Какво е моделиране на регресия?
Както бе споменато в горните редове за статистическо моделиране, важен и основен фактор в тази теория е Регресионното моделиране. Регресионното моделиране е свързано с източника на връзката между две променливи. По-конкретно, регресията помага на човек да разбере как се променя стойността на зависимата променлива, докато някоя от независимите променливи варира, докато другите независими променливи се държат фиксирани. Например времето е независима променлива, докато продажбите и скоростта зависят от определени фактори. Следователно целта е да се установи връзката между двамата.
В модела на регресия има определени уравнения, това е линейната, многовариантна и логистична регресия. Логистичната регресия е подобна на регресията, при която има две променливи, поради което се класифицира като вероятностен статистически модел. Използва се при описване на параметрите на качествен модел на реакция.
В диаграмата, спомената във видеото, линията въвежда две концепции - едната, която е на линията, а другата, която не е. Тези, които са далеч от линията, имат грешка. Това е разстоянието между действителната стойност (сини точки) и прогнозираната стойност (черната линия). Целта на моделирането, независимо дали е под каквато и да е форма, е да се минимизират тези грешки, което е да се опита да се преодолее разликата между двете. Има и други техники за разбиране на теорията.
Разбиране на Анализ в бизнеса
Цялата операция на аналитиката се свежда до 3 прости модела - предсказуем, описателен и модел за вземане на решения. Както подсказва името, това дава възможност на човек да разбере бъдещето. Например системният отказ, кредитоспособността, измамите попадат под прогностичния модел, който днес придобива широка популярност в световен мащаб. От друга страна, съществуват описателни модели и модели за вземане на решения, които съществуват отдавна. Описателен модел дава възможност да се характеризират данните, при което може да се изчисли БВП на страната и средната продължителност на живота. Също така има изследователски характер, когато клиент предоставя данните и проблемът се анализира. На клиента се дава представа за проблема и след това се използва моделът на решение, след което се предлагат определени оптимизации. Моделът има цел, която не е нищо друго освен оптимизация.
Имате въпрос към нас? Споменете ги в раздела за коментари и ние ще се свържем с вас.
Подобни публикации:
jenkins срещу куклен срещу готвач