Business Analytics 1st Edition - Applied Modelling and Prediction

Phân tích kinh doanh
Mô hình hóa và dự đoán ứng dụng
Kỹ năng phân tích đang có nhu cầu cao nhưng lại thiếu hụt. Thông qua sự kết hợp độc đáo giữa trực quan hóa và phân tích dữ liệu (cả lý thuyết và ứng dụng), cuốn sách giáo khoa mang tính đột phá này cung cấp cho bạn kiến ​​thức chuyên môn để phân tích, diễn giải và truyền đạt dữ liệu một cách tự tin, nhằm đưa ra quyết định trong thế giới thực. Các tính năng chính bao gồm: Tín hiệu rõ ràng về nội dung giới thiệu, trung cấp và nâng cao Toàn bộ chương dành riêng cho trực quan hóa dữ liệu, giới thiệu Tableau để kể chuyện bằng dữ liệu Các trường hợp tạo động lực xuyên suốt cho thấy lý thuyết liên quan đến cuộc sống thực như thế nào Một loạt các bài tập cuối chương để kiểm tra sự hiểu biết của bạn về các chủ đề được đề cập Các ví dụ và bộ dữ liệu trực tuyến giúp bạn nắm vững các kỹ năng phân tích của mình thông qua học tập thực hành. Giảng viên cũng có quyền truy cập vào một loạt tài nguyên trực tuyến được phát triển để hỗ trợ việc giảng dạy, bao gồm Hướng dẫn giảng dạy, giải pháp cho các bài tập cuối chương, PowerPoint và một ngân hàng thử nghiệm. Phân tích kinh doanh: Mô hình hóa và dự đoán ứng dụng phù hợp với sinh viên đại học và sau đại học về Phân tích kinh doanh. Tiến sĩ James Abdey là Phó Giáo sư (Giáo dục) về Thống kê tại Trường Kinh tế và Khoa học Chính trị Luân Đôn (LSE).

Acknowledgements
About the author
Preface
Online resources
1 Decision-making under uncertainty
1.1 Introduction
1.2 Uncertainty: friend or foe?
1.3 Modern decision-making
1.4 Advances in technology
1.5 Data: the new oil?
1.6 Qualitative versus quantitative analysis
1.7 Uncertainty in the news
1.8 Simplicity versus complexity – the need for models
1.9 Model assumptions
1.10 To switch, or not to switch?
1.11 Chapter overview
1.12 Key vocabulary
1.13 Suggested reading
1.14 Exercises
2 Descriptive statistics
2.1 Introduction
2.2 Qualitative and quantitative variables
2.3 Continuous and discrete variables
2.4 The sample distribution
2.5 Measures of central tendency
2.6 Measures of dispersion
2.7 Summary of common Excel functions
2.8 Chapter overview
2.9 Key vocabulary
2.10 Datasets
2.11 Exercises
2.12 Proofs
3 Data visualisation
3.1 Introduction
3.2 Getting started
3.3 On your marks, get set, viz!
3.4 Show Me (what works!)
3.5 Adding and editing text and dynamic titles
3.6 Maps
3.7 Calculated fields and parameters
3.8 Dig deeper
3.9 Chapter overview
3.10 Key vocabulary
3.11 Exercises
4 Probability
4.1 Introduction
4.2 Quantifying probabilities
4.3 The concept of probability
4.4 Combinatorial theory: counting
4.5 Relative frequency
4.6 Randomness
4.7 Properties of probability
4.8 Conditional probability and Bayes’ theorem
4.9 Chapter overview
4.10 Key vocabulary
4.11 Exercises
5 Probability distributions
5.1 Introduction
5.2 Random variables
5.3 Probability distribution
5.4 Binomial distribution
5.5 Cumulative distribution functions
5.6 Poisson distribution
5.7 Poisson approximation to the binomial
5.8 Expected value of a discrete random variable
5.9 Variance of a discrete random variable
5.10 Distributions related to the binomial distribution
5.11 What is a continuous random variable?
5.12 Probability density function and cumulative distribution function
5.13 (Continuous) uniform distribution
5.14 Exponential distribution
5.15 Normal distribution
5.16 Normal approximation to the binomial
5.17 Summary of probability distributions
5.18 Chapter overview
5.19 Key vocabulary
5.20 Exercises
5.21 Proofs
6 Decision tree analysis and game theory
6.1 Introduction
6.2 To advertise, or not to advertise?
6.3 To drill, or not to drill?
6.4 Risk attitudes
6.5 Putting a price on information
6.6 Game theory
6.7 Cournot competition
6.8 Bertrand competition
6.9 Stackelberg leadership
6.10 Chapter overview
6.11 Key vocabulary
6.12 Exercises
7 Sampling and sampling distributions
7.1 Introduction
7.2 Sampling
7.3 Classification of sampling techniques
7.4 Non-random sampling techniques
7.5 Random sampling techniques
7.6 Sampling distributions
7.7 Sampling distribution of the sample mean
7.8 Sampling distribution of the sample proportion
7.9 Sampling distribution of the sample variance
7.10 Chapter overview
7.11 Key vocabulary
7.12 Exercises
8 Opinion research
8.1 Introduction
8.2 Measurement and scaling
8.3 Levels of measurement
8.4 Scaling techniques
8.5 Chapter overview
8.6 Key vocabulary
8.7 Exercises
9 Estimation
9.1 Introduction
9.2 Estimation criteria: bias, variance and mean squared error
9.3 Unbiased estimators
9.4 Interval estimation
9.5 General formulae for normally distributed statistics
9.6 Confidence interval for a single proportion
9.7 Sample size determination
9.8 Difference between two population proportions
9.9 Difference between two population means
9.10 Summary of common Excel functions
9.11 Chapter overview
9.12 Key vocabulary
9.13 Exercises
9.14 Proof
10 Hypothesis testing
10.1 Introduction
10.2 Statistical juries
10.3 Type I and Type II errors
10.4 p-values, effect size and sample size influences
10.5 Testing a population mean claim
10.6 Hypothesis test for a single mean (σ2 known)
10.7 Hypothesis test for a single mean (σ2 unknown)
10.8 Hypothesis test for a single proportion
10.9 Difference between two population proportions
10.10 Difference between two population means
10.11 Summary of common Excel functions
10.12 Chapter overview
10.13 Key vocabulary
10.14 Exercises
11 Bivariate analysis
11.1 Introduction
11.2 Cross-tabulation analysis
11.3 Side-by-side box plots
11.4 Correlation (is not causation!)
11.5 Chapter overview
11.6 Key vocabulary
11.7 Exercises
12 Analysis of variance
12.1 Introduction
12.2 Testing for equality of three population means
12.3 One-way analysis of variance
12.4 From one-way to two-way ANOVA
12.5 Two-way analysis of variance
12.6 Chapter overview
12.7 Key vocabulary
12.8 Exercises
13 Linear regression
13.1 Introduction
13.2 Parameter estimation
13.3 Analysis of variance – regression style
13.4 A general test for the effect of a variable
13.5 Hypothesis testing and confidence intervals for regression model parameters
13.6 Prediction
13.7 Elasticities
13.8 Tests of assumptions and robustness
13.9 Chapter overview
13.10 Key vocabulary
13.11 Exercises
14 Multiple regression
14.1 Introduction
14.2 Visualising relationships between three variables
14.3 The multiple linear regression model
14.4 To include, or not to include? The perils of variable misspecification
14.5 Interactions
14.6 Dummy variables
14.7 Multicollinearity
14.8 Model selection techniques
14.9 Case study: Gender discrimination in pay
14.10 Chapter overview
14.11 Key vocabulary
14.12 Exercises
14.13 Optional material on multiple linear regression model statistical inference
15 Time-series analysis and forecasting
15.1 Introduction
15.2 Classifying forecasts
15.3 Decomposing a time series
15.4 Assessing forecast accuracy
15.5 Trend-based time-series models
15.6 Forecasting in Tableau
15.7 Chapter overview
15.8 Key vocabulary
15.9 Exercises
16 Discriminant analysis
16.1 Introduction
16.2 Discriminant analysis model
16.3 Two-group discriminant analysis: empirical example
16.4 Three-group discriminant analysis: empirical example
16.5 Chapter overview
16.6 Key vocabulary
16.7 Exercises
17 Factor analysis
17.1 Introduction
17.2 Factor analysis model
17.3 Factor analysis: full empirical workthrough
17.4 Factor analysis: further example
17.5 Chapter overview
17.6 Key vocabulary
17.7 Exercises
18 Cluster analysis
18.1 Introduction
18.2 Cluster analysis
18.3 Clustering procedures
18.4 Cluster analysis: full empirical example
18.5 Cluster analysis: further example
18.6 Chapter overview
18.7 Key vocabulary
18.8 Exercises
19 Constrained optimisation models
19.1 Introduction
19.2 Optimisation models
19.3 Product mix
19.4 Sensitivity analysis
19.5 Conjoint analysis
19.6 Chapter overview
19.7 Key vocabulary
19.8 Exercises
20 Monte Carlo simulation
20.1 Introduction
20.2 Basics of simulation
20.3 Probability distributions for input variables
20.4 Pseudo-random number generators
20.5 Simulating from common probability distributions in Excel
20.6 Simulation case study
20.7 Chapter overview
20.8 Key vocabulary
20.9 Exercises
Appendix A: Common Excel functions
A.1 Using Excel functions
A.2 Descriptive statistics
A.3 Discrete distributions
A.4 Continuous distributions
A.5 Statistical inference
Appendix B: Compendium of probability distributions
B.1 Discrete uniform distribution
B.2 Bernoulli distribution
B.3 Binomial distribution
B.4 Poisson distribution
B.5 Geometric distribution
B.6 Continuous uniform distribution
B.7 Exponential distribution
B.8 Normal distribution
Index