Statistické modelování v Business Analytics s R.

Tento blog zdůrazňuje statistický model v Business Analytics s R.

Business Analytics s R.

Hlavní zaměření Business Analytics je vyvinout nové poznatky o podnikání a posoudit výkon. O Business Analytics a jeho různých technikách už bylo řečeno dost. Nejvýznamnější je důkladné pochopení toho, jak se statistiky používají v Business Analytics.





Co je statistické modelování?

Statistické modelování je formalizace vztahů mezi proměnnými ve formě matematických rovnic. Jde v podstatě o zjištění proměnné. Popisuje, jak jedna nebo více proměnných souvisí s jednou nebo více dalšími proměnnými. Zde proměnné nesouvisí přesně, ale mohou být stochasticky příbuzné.

Jednoduše řečeno, proměnná není nic jiného než atribut. Atribut se stává výškou, hmotností a věkem člověka. Výška a věk mají pravděpodobnou povahu. 30letý člověk má vyšší šance, že bude vysoký 4 stopy. Podobně, když víte o osobě, která má 13 let, má vyšší pravděpodobnost, že bude vysoká 6 stop.



Celý účel statistického modelování není o výzkumu, ale nakonec jde o poskytnutí vhledu do řešení. Zahrnuje analýzu dat a jejich aplikaci za různých okolností. Témata diskutovaná ve videu jsou následující:

1. Co je statistické modelování
2. Co je regresní modelování
3. Porozumění Analytics

power bi vs tableau 2016

Co je regresní modelování?

Jak bylo zmíněno ve výše uvedených řádcích o statistickém modelování, důležitým a základním faktorem v této teorii je regresní modelování. Regresní modelování je o získávání vztahu mezi dvěma proměnnými. Přesněji řečeno, regrese pomáhá pochopit, jak se mění hodnota závislé proměnné, zatímco některá z nezávislých proměnných se mění, zatímco ostatní nezávislé proměnné jsou udržovány pevné. Například čas je nezávislá proměnná, zatímco prodej a rychlost závisí na určitých faktorech. Cílem je tedy zjistit vztah mezi nimi.



V regresním modelu existují určité rovnice, jde o lineární, vícerozměrnou a logistickou regresi. Logistická regrese je podobná regrese, kde existují dvě proměnné, a proto se klasifikuje jako pravděpodobnostní statistický model. Používá se při popisu parametrů kvalitativního modelu odezvy.

V diagramu uvedeném ve videu představuje linka dva koncepty - jeden, který je na řádku, a druhý, který není. U těch mimo linku došlo k chybě. Jedná se o vzdálenost mezi skutečnou hodnotou (modré tečky) a předpovězenou hodnotou (černá čára). Cílem modelování, ať už v jakékoli formě, je minimalizovat tyto chyby, což je pokusit se překlenout propast mezi nimi. K pochopení teorie existují i ​​jiné techniky.

Porozumění analytice v podnikání

Celá činnost analytiky se scvrkává na 3 jednoduché modely - Prediktivní, popisný a rozhodovací model. Jak název napovídá, umožňuje pochopit budoucnost. Například selhání systému, bonita, podvody spadají do prediktivního modelu, který si dnes získává celosvětovou popularitu. Na druhou stranu existují popisné a rozhodovací modely, které existují již dlouhou dobu. Popisný model umožňuje charakterizovat data, přičemž lze odhadnout HDP země a průměrnou délku života. Má také průzkumnou povahu, kdy zákazník poskytuje data a problém je analyzován. Zákazníkovi je poskytnut pohled na problém a poté je použit rozhodovací model, po kterém jsou navrženy určité optimalizace. Model má cíl, který není nic jiného než optimalizace.

Máte na nás dotaz? Uveďte je v sekci komentáře a my se vám ozveme.

Související příspěvky:

metoda system.exit ukončí aplikaci.