決策分析：以Excel為分析工具 [Decision Analytics:Microsoft Excel] 下載 mobi epub pdf 電子書 2024

☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容簡介

　　《決策分析：以Excel為分析工具》由知名統計學專傢、暢銷書作者Conrad Carlberg 傾情撰寫，循序漸進係統講解Excel決策分析的各種 技術、方法和實踐，指導讀者充分利用已有數據優化 業務和投資決策，Anlazorl全五星評價。作者從基本 原理、適用範圍、數據構造需求和實際執行方法等方 麵，由淺入深介紹決策分析涉及的主要統計學方法， 包括邏輯迴歸、單變量及多變量方差分析、判彆分析 、主分量分析和聚類分析等，並提供大量實用案例， 實踐性強。　　《決策分析：以Excel為分析工具》共分9章：第1章介紹決策分析的幾個組件， 並解釋瞭根據現有類彆和自然群組分類的幾種方法； 第2章講解邏輯迴歸的原理、殘差的分布，以及如何 使用邏輯迴歸：第3章介紹單變量方差分析（ANOVA）的 基本理論和計算：第4章介紹多變量方差分析 （MANOVA）的原理及如何使用Excel進行MANOVA分析； 第5章介紹判彆函數分析的基礎、目的及其與多重迴 歸分析之間的關係——至少在兩個分組的情況下；第 6章進一步討論超齣兩個分組和超齣兩個連續變量的 判彆函數分析；第7章討論用於MANOVA和判彆分析的 概念和方法，以及聚類分析的一些有趣的潛力；第8 章介紹聚類分析的一些入門知識，並討論兩種根本不 同的方法——鏈接（或者層次）方法和中心距離方法， 特彆是流行的K均值方法；第9章進一步探討聚類分析 ，並提供兩個結閤使用聚類分析和主分量分析的例子 。

內頁插圖

目錄

譯者序前 言第1章 決策分析組件1.1 根據現有類彆分類1.1.1 使用兩個步驟的方法1.1.2 多重迴歸和決策分析1.1.3 獲取參考樣本1.1.4 多變量方差分析1.1.5 判彆函數分析1.1.6 邏輯迴歸1.2 根據自然存在的群組分類1.2.1 主分量分析1.2.2 聚類分析1.3 一些術語學問題1.3.1 設計決定術語1.3.2 因果關係與預測的對比1.3.3 術語為什麼重要
第2章 邏輯迴歸2.1 邏輯迴歸原理2.1.1 比例問題2.1.2 關於基本假設2.1.3 均等分布2.1.4 對分法中的等方差2.1.5 均等分布和範圍2.2 殘差的分布2.2.1 殘差的計算2.2.2 對分的殘差2.3 使用邏輯迴歸2.3.1 使用可能性而非概率2.3.2 使用對數優勢比2.3.3 使用最大似然方法代替最小二乘方法2.4 最大化對數似然率2.4.1 建立數據2.4.2 建立邏輯迴歸方程式2.4.3 求得優勢比2.4.4 求得概率2.4.5 計算對數似然率2.4.6 尋找和安裝規劃求解加載項2.4.7 運行規劃求解2.5 對數似然法原理2.5.1 正確分類的概率2.5.2 使用對數似然2.6 對數似然率的統計顯著性2.6.1 建立精簡模型2.6.2 建立完整模型
第3章 單變量方差分析（ANOVA）3.1 ANOVA的邏輯3.1.1 使用方差3.1.2 方差分區3.1.3 方差預期值（組內）3.1.4 方差預期值（組間）3.1.5 F比率3.1.6 非中心F分布3.2 單因素3.2.1 采用錯誤率3.2.2 計算統計數字3.2.3 得齣均值的標準誤差3.3 使用Excel的數據分析加載項3.3.1 安裝數據分析加載項3.3.2 使用“方差分析：單因素方差分析”工具3.4 理解ANOVA輸齣3.4.1 使用描述統計3.4.2 使用推論統計3.5 迴歸方法3.5.1 使用影響編碼3.5.2 LINEST()公式3.5.3 LINEST()結果3.5.4 LINEST()推斷統計
第4章 多變量方差分析（MANOVA）4.1 MANOVA原理4.1.1 相關變量4.1.2 ANOVA中的相關變量4.2 理解多變量4.2.1 單變量ANOVA結果4.2.2 多變量ANOVA結果4.2.3 均值和重心4.3 從ANOVA到M4.3.1 使用SSCP代替4.3.2 獲得組間和組內SSCP矩陣4.3.3 平方和與SSCP矩陣4.4 求得多變量F比率4.5 Wilks' Lambda和F比率4.6 在Excel中運行M4.6.1 數據布局4.6.2 運行MANOVA代碼4.6.3 描述統計4.6.4 離差矩陣的同一性4.6.5 單變量和多變量F檢驗4.7 多變量測試之後
第5章 判彆函數分析基礎5.1 將類彆當作數字處理5.2 判彆分析原理5.2.1 多重迴歸和判彆分析5.2.2 調整視角5.3 判彆分析和多重迴歸5.3.1 迴歸、判彆分析和典型相關5.3.2 編碼和多重迴歸5.4 判彆函數和迴歸方程式5.5 從判彆權重到迴歸係數5.5.1 迴歸和判彆分析中的特徵結構5.5.2 結構係數可能引起誤導5.6 小結
第6章 判彆函數分析：進一步的問題6.1 使用判彆工作簿6.1.1 打開判彆工作簿6.1.2 使用判彆對話框6.2 為什麼在鳶尾花上運行判彆分析6.2.1 評估原始測度6.2.2 判彆分析和投資6.3 用R進行基準測試6.3.1 下載6.3.2 編排數據文件6.3.3 運行分析6.4 Discrim加載項的結果6.4.1 判彆結果6.4.2 解讀結構係數6.4.3 特徵結構和係數6.4.4 係數的其他用途6.5 案例分類6.5.1 與重心的距離6.5.2 均值修正6.5.3 調整方差–協方差矩陣6.5.4 指定一個分類6.5.5 創建分類錶格6.6 訓練樣本：提前知曉的分類
第7章 主分量分析7.1 為主分量分析建立概念性框架7.1.1 主分量和測試7.1.2 PCA的基本原則7.1.3 相關與斜交因素鏇轉7.2 使用主分量加載項7.2.1 相關矩陣7.2.2 R矩陣的逆矩陣7.2.3 球形測試7.3 特徵值和係數的計算以及公用因素方差的理解7.3.1 有幾個分量7.3.2 因素得分係數7.3.3 公共因素方差7.4 單獨結果之間的關係7.4.1 使用特徵值和特徵嚮量7.4.2 特徵值、特徵嚮量和負載7.4.3 特徵值、特徵嚮量和因素係數7.4.4 從因素得分直接獲得特徵值7.5 獲得特徵值和特徵嚮量7.6 鏇轉因素以得到有意義的解決方案7.6.1 確定因素7.6.2 最大方差鏇轉7.7 分類示例7.7.1 州犯罪率7.7.2 蚜蟲物理測量
第8章 聚類分析：基礎知識8.1 聚類分析、判彆分析和邏輯迴歸8.2 歐幾裏得距離8.3 尋找群集：單連接方法8.4 聚類分析的自選擇特性8.5 發現群集：全連接方法8.5.1 全連接：示例8.5.2 其他連接方法8.6 發現群集：K均值方法8.6.1 K均值分析特性8.6.2 K均值的一個例子8.7 用R對K均值方法進行基準測試
第9章 聚類分析：更深入的問題9.1 使用K均值工作簿9.1.1 確定群集數量9.1.2 群集成員工作錶9.1.3 群集重心工作錶9.1.4 群集方差工作錶9.1.5 F比率工作錶9.1.6 報告過程統計9.2 使用主分量進行聚類分析9.2.1 主分量迴顧9.2.2 葡萄酒的聚類分析9.2.3 結果的交叉驗證

前言/序言

　　從第2章開始，每章都有自己的Excel工作簿，每章中的每幅插圖都是一個單獨的工作錶。還有幾個附加的工作簿用於執行聚類分析、判彆函數分析和其他沒有自己的工作錶函數的分析過程。　　好吧，我們來做個澄清：　　本書不是關於獲取、存儲和分割所謂“大數據”的書籍。本書講述的是關於如何瞭解數字的含義—它們到底是“大數據”，還是“小啤酒”。　　我們都碰到過這種情況：有30個變量需要處理，每個都可能很重要，各自針對有趣現象的不同側麵，可能是12個月的生存率，或者投資盈利的可能性，或者瞭解新雇員的業績。不管你需要處理的是200個還是200 000個記錄，真正的問題是如何處理這30個變量。如何組閤或者拋棄它們，以做齣關於藥物效果，是否提供資金，以及雇用哪位應徵者的正確決策。　　本書內容　　本書的主題是：尋找你所掌握的變量的最佳組閤，以便盡可能做齣明智的決策。　　這是使用定量分類技術的一種實踐，此類技術有如下幾種。　　判彆函數分析有悠久的光榮曆史。它的用途很廣泛，範圍從根據法律記錄辨彆19世紀政治傢所屬黨派，到根據扣減金額和調整金額，標記可能的不實1040錶格。第5章和第6章帶你經曆這種分析，探索所涉及的數據簡化技術。它們能夠讓你看到，在工作錶和圖錶的環境中，判彆函數分析如何起作用。　　因為判彆分析依賴多變量方法處理連續變量，所以我加入瞭第7章。第7章能夠幫助你瞭解特徵值和特徵嚮量等概念，因為它們與相關矩陣有關—同樣，也是在熟悉的Excel工作錶和圖錶環境中。　　你還可以下載一個工作簿，其中包含瞭運行完整的判彆函數分析並輸齣顯著性測定、函數係數、典型相關和其他功能的VBA代碼，在正文中將對此進行解釋，並在該章的工作簿中進一步展示。　　進行判彆分析的最佳方法是利用多變量方差分析（MANOVA）。你將會看到，MANOVA能夠幫助你確定執行判彆函數分析是否有意義—因變量（非獨立變量）之間是否相關，以及區分不同的人和行為分組的能力，以支持進一步分析。因此，第4章討論MANOVA，你可以下載一個單獨的工作簿，運行多個因變量的單因素MANOVA。　　如果你有很久沒思考過ANOVA或者MANOVA的問題瞭，可能應該通讀第3章。作為MANOVA的背景知識，在工作錶的環境中瞭解ANOVA管理變量的能力是很有幫助的。　　除瞭判彆函數分析之外，對人或者市場行為（或者政治傢、室內植物）進行分類的另一種方法是邏輯迴歸。這是一種實用的方法，它避免瞭判彆分析可能犯的一些錯誤。例如，邏輯迴歸不會像判彆分析那樣，做齣關於數據分布方式的所有假設。所以，如果擔心數據違背瞭那些假設（老實說，即使這些假設不成立，你的分析也不一定無效），往往可以使用邏輯迴歸來代替，作為決策分析的基礎。　　另一方麵，那些假設給判彆分析帶來瞭統計能力——成功和可靠地區分不同對象組的能力。在其他情況相同時，判彆分析對分類的指導比邏輯迴歸更敏感。　　在我的前一本書《Predictive Analytics： Microsoft Excel》中為邏輯迴歸保留瞭兩章。在本書第2章中我對此進行瞭介紹，更多的是一種復習，而非完整的討論。　　第8章和第9章介紹瞭其他決策分析方法。在邏輯迴歸和判彆分析中，你知道分組的情況。你有一個或大或小的數據樣闆，觀測值包括所屬組（幸存與否、盈利與否、輸贏）和你希望用來幫助你做齣好的決策的變量（人口統計學數據、財務數據、購買曆史）。　　但是在聚類分析中，你不知道自己的分組。例如，你有一組人口統計學變量，希望知道如何用它們對人們進行分類。 你對數據集實施聚類分析的某一變種，希望它聚閤樣本中的人，使得同一個群集中的人在人口統計學上的差異較小，而不同群集的人之間差彆相對大。　　……


alt="" />

決策分析：以Excel為分析工具 [Decision Analytics:Microsoft Excel] 下載 mobi epub pdf txt 電子書 格式

評分☆☆☆☆☆

實用，看一次睡一次，把我失眠治好瞭！真心給贊

評分☆☆☆☆☆

還沒看，選瞭好久纔選到的，應該錯不瞭。

評分☆☆☆☆☆

很好！可以買！對數據分析員來說，物有所值！

評分☆☆☆☆☆

書不錯，我很喜歡，書很實用

評分☆☆☆☆☆

權威

評分☆☆☆☆☆

很好滿意，，，

評分☆☆☆☆☆

為瞭孩子．你一定要讀的一本書，每一位傢長和老師！

評分☆☆☆☆☆

很有意思的書

評分☆☆☆☆☆

看這個得先把統計學搞通

類似圖書 點擊查看全場最低價