导图社区 商务与经济统计
商务与经济统计知识点,包括:血液的组成、血液的理化特性(生理学)、生理性止血(生理学)、血型与输血原则(生理学)。
编辑于2022-07-16 11:26:13商务与经济统计知识点,包括:血液的组成、血液的理化特性(生理学)、生理性止血(生理学)、血型与输血原则(生理学)。
营销管理与营销分析量化指标体系,包括客户内心、意愿和市场的占有份额,毛利和利润、产品和组合管理、客户利润等。
数据化管理是指运用分析工具对客观、真实的数据进行科学分析,并将分析结果运用到生产、运营、销售等各个环节中区的一种管理方法,根据管理层次可分为业务指导管理、运营分析管理、经营策略管理、战略规划管理四个由低到高的层次。根据业务逻辑还可以分为销售中的数据化管理、商品中的数据化管理、财务中的数据化管理、人事中的数据化管理、生产中的数据化管理、物流中的数据化管理等。
社区模板帮助中心,点此进入>>
商务与经济统计知识点,包括:血液的组成、血液的理化特性(生理学)、生理性止血(生理学)、血型与输血原则(生理学)。
营销管理与营销分析量化指标体系,包括客户内心、意愿和市场的占有份额,毛利和利润、产品和组合管理、客户利润等。
数据化管理是指运用分析工具对客观、真实的数据进行科学分析,并将分析结果运用到生产、运营、销售等各个环节中区的一种管理方法,根据管理层次可分为业务指导管理、运营分析管理、经营策略管理、战略规划管理四个由低到高的层次。根据业务逻辑还可以分为销售中的数据化管理、商品中的数据化管理、财务中的数据化管理、人事中的数据化管理、生产中的数据化管理、物流中的数据化管理等。
商务与经济统计
1. 数据与统计资料
1.1. 统计学在商务和经济中的应用
会计
财务
市场营销
生产
经济
信息系统
1.2. 数据
个体、变量和观测值
测量尺度
名义尺度
顺序尺度
间隔尺度
比率尺度
分类型数据和数量型数据
截面数据和时间序列数据
1.3. 数据来源
现有来源
观测性研究
实验
时间与成本问题
数据采集误差
1.4. 描述统计
1.5. 统计推断
总体
样本
普查
抽样调查
统计推断
1.6. 逻辑分析方法
描述性分析
预测性分析
规范性分析
1.7. 大数据和数据挖掘
1.8. 计算机与统计分析
1.9. 统计实践的道德准则
2. 描述统计学I:表格法和图形法
2.1. 汇总分类变量的数据
频数分布
相对频数分布和百分数频数分布
条形图和饼形图
2.2. 汇总数量变量的数据
频数分布
组数
组宽
组限
组中值
相对频数分布和百分数频数分布
打点图
直方图
累积分布
茎叶显示
2.3. 用表格方法汇总两个变量的数据
交叉分组表
辛普森悖论
2.4. 用图形显示方法汇总两个变量的数据
散点图和趋势线
复合条形图和结构条形图
2.5. 数据可视化:创建有效图形显示的最佳实践
创建有效的图形
选择图形显示的类型
数据仪表盘
3. 描述统计学II:数值方法
3.1. 位置的度量
平均数
样本平均数
总计平均数
加权平均数
中位数
几何平均数
众数
百分位数
四分位数
3.2. 变异程度的度量
极差
四分位数间距
方差
标准差
标准差系数
3.3. 分布形态、相对位置的度量以及异常值的检测
分布形态
z-分数
切比雪夫定理
经验法则
异常值的检测
z-分数
IQR
3.4. 五数概括法和箱型图
五数概括法
最小值
第一四分位数
中位数
第三四分位数
最大值
箱型图
利用箱型图的比较分析
3.5. 两变量间关系的度量
协方差
协方差的解释
相关系数
样本相关系数的解释
4. 概率
4.1. 随机试验、计数法则和概率分配
随机试验
样本空间
样本点
计数法则、组合和排列
多步骤试验
树形图
组合
排列
概率分配
古典法
相对频率法
主观法
4.2. 事件及其概率
事件
事件的概率
4.3. 概率的基本性质
事件的补
加法公式
并集
交集
互斥事件
4.4. 条件概率
联合概率
联合概率表
边际概率
条件概率
独立事件
乘法公式
独立事件的乘法公式
4.5. 贝叶斯定理
先验概率
新信息
应用贝叶斯定理
后验概率
表格法
5. 离散型概率分布
5.1. 随机变量
随机变量:是对试验结果的数值描述
离散型随机变量
连续型随机变量
5.2. 离散型概率分布
离散型概率函数的基本条件
离散型均匀概率函数
5.3. 数学期望与方差
数学期望
随机变量取值的加权平均,其中权数是概率
离散型随机变量的方差
5.4. 二元分布、协方差和金融资产组合
二元经验离散概率分布
随机变量x和y的协方差
随机变量x和y的相关系数
金融上的应用
5.5. 二项概率分布
性质
二项概率函数
二项概率表的使用
二项分布的数学期望和方差
5.6. 泊松概率分布
性质
泊松概率函数
5.7. 超几何概率分布
超几何概率函数
6. 连续型概率分布
6.1. 概率密度函数
6.2. 均匀概率分布
均匀概率密度函数
用面积度量概率
6.3. 正态概率分布
正态曲线
正态概率密度函数
标准正态概率分布
标准正态密度函数
计算正态概率分布的概率
转换为标准正态随机变量
6.4. 二项概率的正态近似
连续性校正因子
6.5. 指数概率分布
计算指数概率分布
累积概率
泊松分布与指数分布的关系
7. 抽样和抽样分布
7.1. 抽样
从有限总体的抽样
简单随机样本
从无限总体的抽样
7.2. 点估计
样本统计量-点估计量
样本均值
样本标准差
样本比率
7.3. 抽样分布简介
7.4. 的抽样分布
数学期望
标准差
抽样分布的形式
总体服从正态分布
总体不服从正态分布
中心极限定理
实际应用
与样本容量的关系
7.5. 的抽样分布
7.6. 点估计的性质
无偏性
有效性
一致性
7.7. 其他抽样方法
分层随机抽样
整群抽样
系统抽样
方便抽样
判断抽样
8. 区间估计
8.1. 总体均值的区间估计:σ已知情形
边际误差和区间估计
置信水平
置信系数
置信区间
8.2. 总体均值的区间估计:σ未知情形
边际误差和区间估计
利用小样本
8.3. 样本容量的确定
8.4. 总体比率
9. 假设检验
9.1. 原假设和备择假设的建立
将研究中的假设作为备择假设
将受到挑战的假设作为原假设
形式
单侧检验
上侧检验
下侧检验
双侧检验
9.2. 第一类错误和第二类错误
第一类错误
H0是真的,H0被拒绝
显著性水平
第二类错误
Ha是真的,接受H0
9.3. 总体均值的检验:σ已知情形
单侧检验
设定原假设、备择假设
设定显著性水平
收集样本数据和计算检验统计量的值
z
p-值
拒绝法则
p-值法
临界值法
双侧检验
区间估计与假设检验的关系
9.4. 总体均值的检验:σ未知情形
9.5. 总体比率
9.6. 假设检验与决策
9.7. 计算第二类错误的概率
功效曲线
9.8. 对总体均值进行假设检验时样本容量的确定
10. 两总体均值和比例的推断
10.1. 两总体均值之差的推断:σ1和σ2已知
独立简单随机样本
μ1-μ2的区间估计
μ1-μ2的假设检验
10.2. 两总体均值之差的推断:σ1和σ2未知
10.3. 两总体均值之差的推断:匹配样本
10.4. 两总体比例之差的推断
11. 总体方差的统计推断
11.1. 一个总体方差的统计推断
分布
区间估计
假设检验
11.2. 两个总体方差的统计推断
F分布
12. 多个比例的比较、独立性及拟合优度检验
12.1. 三个或多个总体比例的相等性的检验
12.2. 独立性检验
12.3. 拟合优度检验
多项概率分布
正态分布
13. 实验设计与方差分析
13.1. 实验设计与方差分析简介
术语
独立变量或因子
处理
单因子实验
因变量或响应变量
实验单元
复制
数据收集
方差分析的假定
对每个总体,响应变量服从正太分布
响应变量的方差,对所有总体都是相同的
观测值必须是独立的
方差分析:概念性综述
13.2. 方差分析和完全随机化实验设计
总体方差的处理间估计
均方处理 MSTR
处理平方和 SSTR
总体方差的处理内估计
均方误差 MSE
误差平方和 SSE
方差估计量的比较:F检验
方差分析表或ANOVA表
方差分析的计算机输出结果
k个总体均值相等的检验
13.3. 多重比较方法
Fisher的LSD方法
第一类错误概率
13.4. 随机化区组设计
13.5. 析因实验
14. 简单线性回归
14.1. 简单线性回归模型
表示变量之间相互关系的方程,回归分析
自变量
因变量
回归模型和回归方程
估计的回归方程
14.2. 最小二乘法
14.3. 判定系数
误差平方和 SSE
总的平方和 SST
回归平方和 SSR
判定系数 r^2
相关系数
14.4. 模型的假定
14.5. 显著性检验
均方误差 MSE σ^2的估计
t检验
β1的置信区间
F检验
均方回归 MSR
14.6. 应用估计的回归方程进行估计和预测
区间估计
y的平均值的置信区间
y的一个个别值的预测区间
14.7. 计算机解法
14.8. 残差分析:证实模型假定
关于x的残差图
关于y的残差图
标准化残差
正态概率图
14.9. 残差分析:异常值和有影响的观测值
检测异常值
检测有影响的观测值
高杠杆率点
15. 多元回归
15.1. 多元回归模型
回归模型和回归方程
估计的多元回归方程
最小二乘法
15.2. 最小二乘法
15.3. 多元判定系数
SST 总的平方和
SSR 回归平方和
SSE 误差平方和
15.4. 模型的假定
15.5. 显著性检验
F检验
t检验
多重共线性
15.6. 应用估计的回归方程进行估计和预测
15.7. 分类自变量
15.8. 残差分析
检测异常值
学生化删除残差和异常值
有影响的观测值
利用库克距离测度识别有影响的观测值
15.9. logistic回归
logistic回归方程
估计logistic回归方程
显著性检验
管理上的应用
解释logistic回归方程
对数机会比变换
16. 回归分析:建立模型
16.1. 一般线性模型
模拟曲线关系
交互作用
涉及因变量的变换
对数变换
倒数变换
内线性的非线性模型
16.2. 确定什么时候增加或删除变量
一般情形
p-值的应用
16.3. 大型问题的分析
16.4. 变量选择的方法
逐步回归
前向选择
后向消元
最佳子集回归
做出最终的选择
16.5. 试验设计的多元回归方法
16.6. 自相关性和杜宾-瓦特森检验
17. 时间序列分析及预测
17.1. 条件
被预测变量过去的信息可用
这些信息可以被量化
过去的模式将会持续到未来的假定合理
17.2. 时间序列的模式
水平模式
趋势模式
季节模式
趋势与季节模式
循环模式
选择预测方法
17.3. 预测精度
预测误差
平均绝对误差 MAE
均方误差 MSE
平均绝对百分数误差 MAPE
朴素预测法
17.4. 移动平均法和指数平滑法
移动平均法
加权移动平均法
指数平滑法
17.5. 趋势推测法
线性趋势回归
非线性趋势回归
二次趋势方程
指数趋势方程
17.6. 季节性和趋势
没有趋势的季节性
季节性和趋势
基于月度数据的模型
17.7. 时间序列分解法
成分
趋势成分
季节成分
不规则或误差成分
加法分解模型
乘法分解模型
计算季节指数
消除季节影响的时间序列
利用消除季节影响的时间序列确定趋势
季节调整