Analisi aziendale con R
L'obiettivo principale di Business Analytics è sviluppare nuove intuizioni per il business e valutare le prestazioni. Si è parlato abbastanza di Business Analytics e delle sue varie tecniche. Ciò che è richiesto di più è una conoscenza approfondita di come le statistiche vengono applicate in Business Analytics.
Che cos'è la modellazione statistica?
La modellizzazione statistica è la formalizzazione delle relazioni tra variabili sotto forma di equazioni matematiche. Si tratta fondamentalmente di scoprire la variabile. Descrive come una o più variabili sono correlate a una o più altre variabili. Qui, le variabili non sono accuratamente correlate ma potrebbero essere stocasticamente correlate.
In termini più semplici, una variabile non è altro che un attributo. Un attributo diventa l'altezza, il peso e l'età di una persona. L'altezza e l'età sono di natura probabilistica. Una persona di 30 anni ha maggiori probabilità di essere alta 4 piedi. Allo stesso modo, quando sei a conoscenza di una persona che ha 13 anni, ha maggiori possibilità di essere alta 1,8 m.
cos'è dax in power bi
L'intero scopo della modellazione statistica non riguarda la ricerca, ma alla fine si tratta di fornire una panoramica delle soluzioni. Si tratta di analizzare i dati e applicarli in diverse circostanze. Gli argomenti discussi nel video sono i seguenti:
1. Che cos'è la modellazione statistica
2. Che cos'è il modello di regressione
3. Capire Analytics
Cos'è il modello di regressione?
Come accennato nelle righe precedenti sulla modellazione statistica, un fattore importante e fondamentale in questa teoria è il modello di regressione. La modellazione della regressione si basa sull'approvvigionamento della relazione tra due variabili. Più specificamente, la regressione aiuta a capire come cambia il valore della variabile dipendente mentre varia una qualsiasi delle variabili indipendenti, mentre le altre variabili indipendenti vengono mantenute fisse. Ad esempio, il tempo è una variabile indipendente mentre le vendite e la velocità dipendono da determinati fattori. Quindi, l'obiettivo è scoprire la relazione tra i due.
Ci sono alcune equazioni nel modello di regressione, essendo la regressione lineare, multivariata e logistica. La regressione logistica è simile alla regressione in cui ci sono due variabili, classificandosi quindi come un modello statistico probabilistico. Viene utilizzato per descrivere i parametri di un modello di risposta qualitativa.
Nel diagramma menzionato nel video, la linea introduce due concetti: uno che è sulla linea e l'altro che non lo è. Quelli fuori linea hanno un errore. Questa è la distanza tra il valore effettivo (punti blu) e il valore previsto (la linea nera). L'obiettivo della modellazione, sia essa in qualsiasi forma, è ridurre al minimo questi errori, ovvero cercare di colmare il divario tra i due. Esistono altre tecniche per comprendere la teoria.
__dentro__
Comprensione dell'analisi nel mondo degli affari
L'intera operazione di analisi si riduce a 3 semplici modelli: modello predittivo, descrittivo e decisionale. Come suggerisce il nome, consente di comprendere il futuro. Ad esempio, il fallimento del sistema, l'affidabilità creditizia, la frode rientrano nel modello predittivo che sta guadagnando popolarità in tutto il mondo oggi. D'altra parte, esistono modelli descrittivi e decisionali che esistono da molto tempo. Un modello descrittivo consente di caratterizzare i dati, in cui è possibile stimare il PIL di un paese e il tasso medio di aspettativa di vita. È anche di natura esplorativa, in cui un cliente fornisce i dati e il problema viene analizzato. Al cliente viene fornita una panoramica del problema e quindi viene utilizzato il modello decisionale dopo il quale vengono proposte alcune ottimizzazioni. Il modello ha un obiettivo che altro non è che l'ottimizzazione.
Hai domande per noi? Menzionateli nella sezione commenti e vi risponderemo.
Post correlati: