Методы и инструменты анализа данных в экономике и управлении
Здесь можно купить книгу "Методы и инструменты анализа данных в экономике и управлении" в печатном или электронном виде. Также, Вы можете прочесть аннотацию, цитаты и содержание, ознакомиться и оставить отзывы (комментарии) об этой книге.
Место издания: Владимир
ISBN: 978-5-907140-15-8
Страниц: 161
Артикул: 116921
Возрастная маркировка: 16+
Краткая аннотация книги "Методы и инструменты анализа данных в экономике и управлении"
В учебно-методическом пособии изложены типовые задачи оптимизационного моделирования применительно к различным сферам профессиональной деятельности. Приводятся примеры и даются пояснения по выполнению типовых заданий. Приводятся приемы выполнения вычислений с применением электронных таблиц.Предназначено для студентов, обучающихся по программам подготовки бакалавров, магистров по направлениям «Экономика», «Государственное и муниципальное управление», «Управление персоналом», «Менеджмент», а также по специальности «Экономическая безопасность». Может быть использовано также аспирантами, слушателями профильных курсов повышения квалификации, преподавателями и специалистами.Печатается по решению ученого совета Владимирского филиала РАНХиГС.
Содержание книги "Методы и инструменты анализа данных в экономике и управлении "
Введение
Глава 1. ТРЕНДОВЫЕ МОДЕЛИ
1.1. Оценка линейных зависимостей
1.2. Модели экспоненциального роста
1.3. Модели, описываемые степенной кривой
Глава 2. КОРРЕЛЯЦИОННО-РЕГРЕССИОННЫЙ АНАЛИЗ
2.1. Представление зависимостей с помощью корреляции
2.2. Множественная регрессия
2.3. Включение качественных факторов во множественную регрессию
2.4. Моделирование нелинейных характеристик и взаимосвязей
Глава 3. ДИСПЕРСИОННЫЙ АНАЛИЗ
3.1. Однофакторный дисперсионный анализ в маркетинге
3.2. Двухфакторный дисперсионный анализ
Глава 4. МЕТОДЫ ПРОГНОЗИРОВАНИЯ НА ОСНОВЕ РЕТРОСПЕКТИВНОГО АНАЛИЗА
4.1. Сглаживание временных рядов и скользящее среднее
4.2. Прогнозирование по методу Винтерса
4.3. Метод прогнозирования «по отношению к скользящему среднему»
4.4. Параметры прогнозирования
Глава 5. ПРОГНОЗИРОВАНИЕ В УСЛОВИЯХ РИСКА И НЕОПРЕДЕЛЕННОСТИ
5.1. Биномиальные, гипергеометрические и отрицательные биномиальные случайные величины
5.2. Нормальная случайная величина
5.3. Пуассоновская и экспоненциальная случайные величины
5.4. Распределение Вейбулла и бета-распределение: моделирование надежности механизмов и продолжительности работы
5.5. Логарифмически нормальная случайная величина в моделировании курса акций
5.6. Создание вероятностных высказываний на основе прогнозов
5.7. Введение в моделирование по методу Монте-Карло
5.8. Анализ данных с помощью повторной выборки
Заключение
Список литературы
Все отзывы о книге Методы и инструменты анализа данных в экономике и управлении
Отрывок из книги Методы и инструменты анализа данных в экономике и управлении
31 Рис. 19. Коэффициент корреляции, лежащий в пределах: а) – от 0 до 1 и б) – от -1 до 0, указывает на среднюю степень линейной зависимости между двумя переменными Коэффициент корреляции, примерно равный –1, означает наличие между x и y сильной отрицательной линейной зависимости, т.е. если x больше среднего, y, наоборот, меньше среднего, и если x меньше среднего, y имеет тенденцию превышать среднее. Если для данных подбирается прямая линия, то она имеет отрицательный угловой коэффициент и хорошо соответствует точкам данных. Например, для данных, представленных на рисунке 17, коэффициент корреляции между x и y равен –0,9. Коэффициент корреляции, приблизительно равный 0, свидетельствует о слабой линейной зависимости между x и y. Таким образом, на основании информации о том, больше x или меньше среднего, невозможно предположить, больше y среднего или меньше. Пусть на рисунке 18а показан, например, график зависимости объемов продаж в штуках (y) от опыта продаж в годах (x). Опыт продаж в годах и объем продаж в штуках имеют коэффициент корреляции 0,009. Как видно из рисунка, у менеджеров по продажам со стажем более 10 лет объемы продаж могут быть низкими или высокими. Также можно отметить, что у менеджеров со стажем менее 10 лет объемы продаж также могут быть низкими либо высокими. Несмотря на то, что между годами опыта и объемами продаж существует незначительная линейная зависимость или линейная зависимость вовсе отсутствует, между годами опыта и объемами продаж имеется сильная нелинейная зависимость. Коэффициент корреляции не является мерой степени нелинейной зависимости. Пример. На рисунке 20 (часть данных скрыта) рассматриваются ежемесячные доходы от акций четырех крупных компаний за 1990-е годы. С помощью коэффициента корреляции можно определить, как движение одних акций зависит от движения других. Для определения корреляции между каждой парой акций на вкладке ДАННЫ...
другие книги автора
С книгой "Методы и инструменты анализа данных в экономике и управлении" читают
Внимание!
При обнаружении неточностей или ошибок в описании книги "Методы и инструменты анализа данных в экономике и управлении (автор Алексей Кисляков)", просим Вас отправить сообщение на почту help@directmedia.ru. Благодарим!
и мы свяжемся с вами в течение 15 минут
за оставленную заявку