統(tǒng)計學(xué)的應(yīng)用PPT課件講義_第1頁
統(tǒng)計學(xué)的應(yīng)用PPT課件講義_第2頁
統(tǒng)計學(xué)的應(yīng)用PPT課件講義_第3頁
統(tǒng)計學(xué)的應(yīng)用PPT課件講義_第4頁
統(tǒng)計學(xué)的應(yīng)用PPT課件講義_第5頁
已閱讀5頁,還剩9頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

本章架構(gòu)1.1統(tǒng)計學(xué)在商業(yè)與管理的應(yīng)用1.2敘述統(tǒng)計與推論統(tǒng)計1.3統(tǒng)計學(xué)的方法1.1統(tǒng)計學(xué)在商業(yè)與管理的應(yīng)用統(tǒng)計學(xué)的功能:用來搜集(collection)、組織(organization)、呈現(xiàn)(presentation)、分析與解釋資料(data)及數(shù)據(jù)所隱含的意義,并進一步地利用統(tǒng)計的技巧來作商情預(yù)測與管理決策制定之參考。統(tǒng)計學(xué)在商業(yè)與管理的應(yīng)用實例:財務(wù)風(fēng)險分析、顧客行為分析、商品市場的變化趨勢及經(jīng)濟環(huán)境的研究……等。資料采礦(datamining):

數(shù)據(jù)采礦乃以統(tǒng)計方法為基礎(chǔ),輔以計算機儲存運算能力。其主要功能為在龐大數(shù)據(jù)庫中尋找有價值的訊息,作為決策支持之用,進而提升企業(yè)之競爭優(yōu)勢。統(tǒng)計學(xué)在財務(wù)領(lǐng)域的應(yīng)用財務(wù)分析的結(jié)果是對企業(yè)的償債能力、盈利能力和抵抗風(fēng)險能力作出評價,或找出存在的問題。財務(wù)分析的一般目的可以概括為:評價過去的經(jīng)營業(yè)績、衡量現(xiàn)在的財務(wù)狀況、預(yù)測未來的發(fā)展趨勢。根據(jù)分析的具體目的,財務(wù)分析可以分為:(1)流動性分析;(2)盈利性分析;(3)財務(wù)風(fēng)險分析;(4)專題分析。為達成上述目的,我們均可使用統(tǒng)計數(shù)量方法,提供精確的財務(wù)比率與衡量指標,輔佐管理者制定適當?shù)臎Q策。顧客關(guān)系管理

「顧客關(guān)系管理」(CustomerRelationshipManagement)一詞,即意謂建立良好的顧客關(guān)系,以提供客制化服務(wù)為宗旨。CRM可以強化企業(yè)核心作業(yè)的競爭性,協(xié)助企業(yè)掌握與客戶間的有效互動,而透過市場調(diào)查、數(shù)據(jù)采礦技術(shù)與數(shù)據(jù)庫營銷功能,可強化營銷及客服能力,提供顧客客制化的產(chǎn)品及服務(wù)。由上述可知,統(tǒng)計方法與工具在CRM扮演相當重要的角色。數(shù)據(jù)采礦的進行步驟資料采礦既然可以增加企業(yè)智慧,提升企業(yè)競爭優(yōu)勢,到底應(yīng)該如何進行呢?

1.理解數(shù)據(jù)與進行的工作

2.獲取相關(guān)知識與技術(shù)(Acquisition)

3.整合與查核數(shù)據(jù)(Integrationandchecking)

4.去除錯誤或不一致的數(shù)據(jù)(Datacleaning)

5.發(fā)展模式與假設(shè)(Modelandhypothesisdevelopment)

6.實際數(shù)據(jù)采礦工作

7.測試與檢核所采礦的資料(Testingandverification)

8.解釋與使用數(shù)據(jù)(Interpretationanduse)由上述步驟可看出,DataMining牽涉了大量的準備工作與規(guī)劃過程,而這些過程都植基于統(tǒng)計學(xué)。例1.2

幾個結(jié)賬柜臺才足夠?

我們知道大賣場每個時段的消費人數(shù)會有很大差異,因此可利用簡單的統(tǒng)計數(shù)據(jù),來幫助管理者解決問題,以利安排及開放合適的結(jié)賬柜臺數(shù)目。1.2敘述統(tǒng)計與推論統(tǒng)計統(tǒng)計學(xué)的類別敘述統(tǒng)計(descriptivestatistics):利用統(tǒng)計圖表與統(tǒng)計量數(shù)來呈現(xiàn)與匯整所搜集的資料。例如全體同學(xué)的統(tǒng)計學(xué)期中考平均成績,即是利用敘述統(tǒng)計來表達全體同學(xué)成績的中心分數(shù)。推論統(tǒng)計(inferentialstatistics):根據(jù)樣本(sample)數(shù)據(jù)推測母體(population)之某一特性或作區(qū)間估計(intervalestimation)與假設(shè)檢定(testinghypothesis)。例如以民調(diào)來預(yù)測選舉結(jié)果,即是利用推論統(tǒng)計來推測全體民眾對各候選人的支持狀況。敘述統(tǒng)計的實例—共同基金績效評估指標如何衡量基金的投資績效?大家習(xí)慣用報酬率及排名來作為衡量績效的指標,然而風(fēng)險與報酬具有一體兩面的關(guān)系,投資人在承擔風(fēng)險的同時就是希望可以獲得相對的報酬。因此,我們可選擇考慮風(fēng)險后的指標:年化標準偏差、貝他系數(shù)、夏普指標,來評估共同基金的投資績效。這些共同基金的績效評估指標,便是敘述統(tǒng)計的實例。民調(diào)在選舉中能夠發(fā)揮預(yù)測之功能?原則上,每一份民調(diào)結(jié)果的呈現(xiàn),都牽涉到其使用民調(diào)模式與應(yīng)用時機的差異,是否能準確預(yù)測選舉結(jié)果,見仁見智。以民國89年的總統(tǒng)大選為例,要準確以民調(diào)測出總統(tǒng)大選結(jié)果,必須在投票前十天左右,精確掌握選舉的變動因素,定出一套預(yù)測模型,直接在問卷設(shè)計上掌握關(guān)鍵點偵測,從而判斷預(yù)測模型的正確性。以民國89年的總統(tǒng)大選來看,只要透過民調(diào)能偵測到連陣營即將崩盤、國民黨票源將為宋楚瑜所侵蝕,那就是一份很成功的調(diào)查,不過似乎很少有民調(diào)測出這種結(jié)果。(數(shù)據(jù)源:XXXXXXXX教授)

例1.4XXX年的全國失業(yè)率敘述統(tǒng)計之實例圖1.1XXXXX全國失業(yè)率的統(tǒng)計圖例1.5加權(quán)指數(shù)前十二大漲、跌點數(shù)敘述統(tǒng)計之實例表1.2臺灣加權(quán)指數(shù)前十二大漲、跌點數(shù)(民國79年至90年)1.2敘述統(tǒng)計與推論統(tǒng)計(續(xù))母體(population):研究某一現(xiàn)象的全部個體。樣本(sample):從母體中抽取部分個體作為研究調(diào)查的對象。參數(shù)(parameter):用來描述母體的特征值。統(tǒng)計量數(shù)(statistic):樣本數(shù)據(jù)所形成的函數(shù),其主要目的是用來推論母體參數(shù)。1.2敘述統(tǒng)計與推論統(tǒng)計(續(xù)1)

抽樣推論參數(shù)統(tǒng)計量數(shù)平均數(shù)比例變異數(shù)母體樣本平均數(shù)樣本比例樣本變異數(shù)樣本圖1.2母體與樣本的關(guān)系圖1.3統(tǒng)計學(xué)的方法演繹的統(tǒng)計分析(deductivestatistical):假設(shè)母體為已知的情形下,推導(dǎo)出樣本的特性。例如根據(jù)過去的經(jīng)驗,工廠里某一生產(chǎn)線的產(chǎn)品瑕疵率為2%,則我們?nèi)我獬槿∫唤M樣本,其瑕疵率即假設(shè)為百分之二。歸納的統(tǒng)計分析

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論