决策分析：以Excel为分析工具 [Decision Analytics:Microsoft Excel] 下载 mobi epub pdf 电子书 2024

☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

---

内容简介

　　《决策分析：以Excel为分析工具》由知名统计学专家、畅销书作者Conrad Carlberg 倾情撰写，循序渐进系统讲解Excel决策分析的各种 技术、方法和实践，指导读者充分利用已有数据优化 业务和投资决策，Anlazorl全五星评价。作者从基本 原理、适用范围、数据构造需求和实际执行方法等方 面，由浅入深介绍决策分析涉及的主要统计学方法， 包括逻辑回归、单变量及多变量方差分析、判别分析 、主分量分析和聚类分析等，并提供大量实用案例， 实践性强。　　《决策分析：以Excel为分析工具》共分9章：第1章介绍决策分析的几个组件， 并解释了根据现有类别和自然群组分类的几种方法； 第2章讲解逻辑回归的原理、残差的分布，以及如何 使用逻辑回归：第3章介绍单变量方差分析（ANOVA）的 基本理论和计算：第4章介绍多变量方差分析 （MANOVA）的原理及如何使用Excel进行MANOVA分析； 第5章介绍判别函数分析的基础、目的及其与多重回 归分析之间的关系——至少在两个分组的情况下；第 6章进一步讨论超出两个分组和超出两个连续变量的 判别函数分析；第7章讨论用于MANOVA和判别分析的 概念和方法，以及聚类分析的一些有趣的潜力；第8 章介绍聚类分析的一些入门知识，并讨论两种根本不 同的方法——链接（或者层次）方法和中心距离方法， 特别是流行的K均值方法；第9章进一步探讨聚类分析 ，并提供两个结合使用聚类分析和主分量分析的例子 。

内页插图

目录

译者序前 言第1章 决策分析组件1.1 根据现有类别分类1.1.1 使用两个步骤的方法1.1.2 多重回归和决策分析1.1.3 获取参考样本1.1.4 多变量方差分析1.1.5 判别函数分析1.1.6 逻辑回归1.2 根据自然存在的群组分类1.2.1 主分量分析1.2.2 聚类分析1.3 一些术语学问题1.3.1 设计决定术语1.3.2 因果关系与预测的对比1.3.3 术语为什么重要
第2章 逻辑回归2.1 逻辑回归原理2.1.1 比例问题2.1.2 关于基本假设2.1.3 均等分布2.1.4 对分法中的等方差2.1.5 均等分布和范围2.2 残差的分布2.2.1 残差的计算2.2.2 对分的残差2.3 使用逻辑回归2.3.1 使用可能性而非概率2.3.2 使用对数优势比2.3.3 使用最大似然方法代替最小二乘方法2.4 最大化对数似然率2.4.1 建立数据2.4.2 建立逻辑回归方程式2.4.3 求得优势比2.4.4 求得概率2.4.5 计算对数似然率2.4.6 寻找和安装规划求解加载项2.4.7 运行规划求解2.5 对数似然法原理2.5.1 正确分类的概率2.5.2 使用对数似然2.6 对数似然率的统计显著性2.6.1 建立精简模型2.6.2 建立完整模型
第3章 单变量方差分析（ANOVA）3.1 ANOVA的逻辑3.1.1 使用方差3.1.2 方差分区3.1.3 方差预期值（组内）3.1.4 方差预期值（组间）3.1.5 F比率3.1.6 非中心F分布3.2 单因素3.2.1 采用错误率3.2.2 计算统计数字3.2.3 得出均值的标准误差3.3 使用Excel的数据分析加载项3.3.1 安装数据分析加载项3.3.2 使用“方差分析：单因素方差分析”工具3.4 理解ANOVA输出3.4.1 使用描述统计3.4.2 使用推论统计3.5 回归方法3.5.1 使用影响编码3.5.2 LINEST()公式3.5.3 LINEST()结果3.5.4 LINEST()推断统计
第4章 多变量方差分析（MANOVA）4.1 MANOVA原理4.1.1 相关变量4.1.2 ANOVA中的相关变量4.2 理解多变量4.2.1 单变量ANOVA结果4.2.2 多变量ANOVA结果4.2.3 均值和重心4.3 从ANOVA到M4.3.1 使用SSCP代替4.3.2 获得组间和组内SSCP矩阵4.3.3 平方和与SSCP矩阵4.4 求得多变量F比率4.5 Wilks' Lambda和F比率4.6 在Excel中运行M4.6.1 数据布局4.6.2 运行MANOVA代码4.6.3 描述统计4.6.4 离差矩阵的同一性4.6.5 单变量和多变量F检验4.7 多变量测试之后
第5章 判别函数分析基础5.1 将类别当作数字处理5.2 判别分析原理5.2.1 多重回归和判别分析5.2.2 调整视角5.3 判别分析和多重回归5.3.1 回归、判别分析和典型相关5.3.2 编码和多重回归5.4 判别函数和回归方程式5.5 从判别权重到回归系数5.5.1 回归和判别分析中的特征结构5.5.2 结构系数可能引起误导5.6 小结
第6章 判别函数分析：进一步的问题6.1 使用判别工作簿6.1.1 打开判别工作簿6.1.2 使用判别对话框6.2 为什么在鸢尾花上运行判别分析6.2.1 评估原始测度6.2.2 判别分析和投资6.3 用R进行基准测试6.3.1 下载6.3.2 编排数据文件6.3.3 运行分析6.4 Discrim加载项的结果6.4.1 判别结果6.4.2 解读结构系数6.4.3 特征结构和系数6.4.4 系数的其他用途6.5 案例分类6.5.1 与重心的距离6.5.2 均值修正6.5.3 调整方差–协方差矩阵6.5.4 指定一个分类6.5.5 创建分类表格6.6 训练样本：提前知晓的分类
第7章 主分量分析7.1 为主分量分析建立概念性框架7.1.1 主分量和测试7.1.2 PCA的基本原则7.1.3 相关与斜交因素旋转7.2 使用主分量加载项7.2.1 相关矩阵7.2.2 R矩阵的逆矩阵7.2.3 球形测试7.3 特征值和系数的计算以及公用因素方差的理解7.3.1 有几个分量7.3.2 因素得分系数7.3.3 公共因素方差7.4 单独结果之间的关系7.4.1 使用特征值和特征向量7.4.2 特征值、特征向量和负载7.4.3 特征值、特征向量和因素系数7.4.4 从因素得分直接获得特征值7.5 获得特征值和特征向量7.6 旋转因素以得到有意义的解决方案7.6.1 确定因素7.6.2 最大方差旋转7.7 分类示例7.7.1 州犯罪率7.7.2 蚜虫物理测量
第8章 聚类分析：基础知识8.1 聚类分析、判别分析和逻辑回归8.2 欧几里得距离8.3 寻找群集：单连接方法8.4 聚类分析的自选择特性8.5 发现群集：全连接方法8.5.1 全连接：示例8.5.2 其他连接方法8.6 发现群集：K均值方法8.6.1 K均值分析特性8.6.2 K均值的一个例子8.7 用R对K均值方法进行基准测试
第9章 聚类分析：更深入的问题9.1 使用K均值工作簿9.1.1 确定群集数量9.1.2 群集成员工作表9.1.3 群集重心工作表9.1.4 群集方差工作表9.1.5 F比率工作表9.1.6 报告过程统计9.2 使用主分量进行聚类分析9.2.1 主分量回顾9.2.2 葡萄酒的聚类分析9.2.3 结果的交叉验证

前言/序言

　　从第2章开始，每章都有自己的Excel工作簿，每章中的每幅插图都是一个单独的工作表。还有几个附加的工作簿用于执行聚类分析、判别函数分析和其他没有自己的工作表函数的分析过程。　　好吧，我们来做个澄清：　　本书不是关于获取、存储和分割所谓“大数据”的书籍。本书讲述的是关于如何了解数字的含义—它们到底是“大数据”，还是“小啤酒”。　　我们都碰到过这种情况：有30个变量需要处理，每个都可能很重要，各自针对有趣现象的不同侧面，可能是12个月的生存率，或者投资盈利的可能性，或者了解新雇员的业绩。不管你需要处理的是200个还是200 000个记录，真正的问题是如何处理这30个变量。如何组合或者抛弃它们，以做出关于药物效果，是否提供资金，以及雇用哪位应征者的正确决策。　　本书内容　　本书的主题是：寻找你所掌握的变量的最佳组合，以便尽可能做出明智的决策。　　这是使用定量分类技术的一种实践，此类技术有如下几种。　　判别函数分析有悠久的光荣历史。它的用途很广泛，范围从根据法律记录辨别19世纪政治家所属党派，到根据扣减金额和调整金额，标记可能的不实1040表格。第5章和第6章带你经历这种分析，探索所涉及的数据简化技术。它们能够让你看到，在工作表和图表的环境中，判别函数分析如何起作用。　　因为判别分析依赖多变量方法处理连续变量，所以我加入了第7章。第7章能够帮助你了解特征值和特征向量等概念，因为它们与相关矩阵有关—同样，也是在熟悉的Excel工作表和图表环境中。　　你还可以下载一个工作簿，其中包含了运行完整的判别函数分析并输出显著性测定、函数系数、典型相关和其他功能的VBA代码，在正文中将对此进行解释，并在该章的工作簿中进一步展示。　　进行判别分析的最佳方法是利用多变量方差分析（MANOVA）。你将会看到，MANOVA能够帮助你确定执行判别函数分析是否有意义—因变量（非独立变量）之间是否相关，以及区分不同的人和行为分组的能力，以支持进一步分析。因此，第4章讨论MANOVA，你可以下载一个单独的工作簿，运行多个因变量的单因素MANOVA。　　如果你有很久没思考过ANOVA或者MANOVA的问题了，可能应该通读第3章。作为MANOVA的背景知识，在工作表的环境中了解ANOVA管理变量的能力是很有帮助的。　　除了判别函数分析之外，对人或者市场行为（或者政治家、室内植物）进行分类的另一种方法是逻辑回归。这是一种实用的方法，它避免了判别分析可能犯的一些错误。例如，逻辑回归不会像判别分析那样，做出关于数据分布方式的所有假设。所以，如果担心数据违背了那些假设（老实说，即使这些假设不成立，你的分析也不一定无效），往往可以使用逻辑回归来代替，作为决策分析的基础。　　另一方面，那些假设给判别分析带来了统计能力——成功和可靠地区分不同对象组的能力。在其他情况相同时，判别分析对分类的指导比逻辑回归更敏感。　　在我的前一本书《Predictive Analytics： Microsoft Excel》中为逻辑回归保留了两章。在本书第2章中我对此进行了介绍，更多的是一种复习，而非完整的讨论。　　第8章和第9章介绍了其他决策分析方法。在逻辑回归和判别分析中，你知道分组的情况。你有一个或大或小的数据样板，观测值包括所属组（幸存与否、盈利与否、输赢）和你希望用来帮助你做出好的决策的变量（人口统计学数据、财务数据、购买历史）。　　但是在聚类分析中，你不知道自己的分组。例如，你有一组人口统计学变量，希望知道如何用它们对人们进行分类。 你对数据集实施聚类分析的某一变种，希望它聚合样本中的人，使得同一个群集中的人在人口统计学上的差异较小，而不同群集的人之间差别相对大。　　……


alt="" />

决策分析：以Excel为分析工具 [Decision Analytics:Microsoft Excel] 下载 mobi epub pdf txt 电子书 格式

评分☆☆☆☆☆

帮朋友买的，很不错，活动很优惠

评分☆☆☆☆☆

质量不错，送货速度快！

评分☆☆☆☆☆

送货很及时，价格很合适，么么哒

评分☆☆☆☆☆

质量不错，送货速度快！

评分☆☆☆☆☆

帮朋友买的，很不错，活动很优惠

评分☆☆☆☆☆

　　她就是小豆豆，黑柳彻子，一个因淘气，一年级就被退学的孩子。

评分☆☆☆☆☆

非常好的书，适合初学者学习

评分☆☆☆☆☆

权威

评分☆☆☆☆☆

　　她写了日本有史以来销量最大的一本书，33种文字全球发行，拥有读者数千万；

类似图书 点击查看全场最低价