商业数据分析(原书第5版)电子书

ABOUT THE AUTHORS 作者简介

PREFACE 前言

CHAPTER 1 第1章 导论

1.1 决策的意义

1.2 什么是商业数据分析

1.3 数据分析方法与模型的分类

1.4 大数据、云计算和人工智能

1.5 商业数据分析的应用

1.6 数据及其分析应用中的法律和道德问题

CHAPTER 2 第2章 描述统计分析

2.1 数据：定义和目标

2.2 数据的类型

2.3 Excel数据的初步探索

2.4 数据的分布

2.5 位置测度

2.6 变异测度

2.7 分布分析

2.8 两个变量间的相关关系

CHAPTER 3 第3章 数据可视化

3.1 概述

3.2 表格

3.3 图

3.4 高级数据可视化

3.5 地理空间数据的可视化

3.6 数据仪表盘

CHAPTER 4 第4章 数据整理：数据管理与数据清洗

4.1 数据探索

4.2 数据结构化

4.3 数据清洗

4.4 数据丰度化

4.5 数据验证和发布

CHAPTER 5 第5章 概率：不确定性现象建模问题

5.1 事件与概率

5.2 概率的基本关系

5.3 条件概率

5.4 随机变量

5.5 离散型概率分布

5.6 连续型概率分布

CHAPTER 6 第6章 描述性数据挖掘

6.1 降维

6.2 聚类分析

6.3 关联规则

6.4 文本挖掘

CHAPTER 7 第7章 统计推断分析

7.1 样本选择

7.2 点估计

7.3 抽样分布

7.4 区间估计

7.5 假设检验

7.6 大数据、统计推断及其实际意义

CHAPTER 8 第8章 线性回归分析

8.1 简单线性回归模型

8.2 最小二乘法

8.3 简单线性回归模型的拟合效果

8.4 多元回归模型

8.5 线性回归推断分析

8.6 分类自变量

8.7 非线性回归模型

8.8 建模问题

8.9 大数据与回归分析

8.10 回归预测分析

CHAPTER 9 第9章 时间序列分析与预测

9.1 时间序列的几种类型

9.2 预测准确性问题

9.3 移动平均法与指数平滑法

9.4 回归预测分析

9.5 预测模型优良性评估

CHAPTER 10 第10章 基于回归的预测性数据挖掘

10.1 回归效果评估

10.2 数据抽样、预处理与分区

10.3 k-最近邻回归

10.4 回归树

10.5 神经网络回归

10.6 特征选择

CHAPTER 11 第11章 基于分类的预测性数据挖掘

11.1 数据抽样、预处理与分割

11.2 二值分类效果测度

11.3 基于逻辑回归的分类

11.4k-最近邻法分类

11.5 分类树

11.6 神经网络分类

11.7 特征选择

CHAPTER 12 第12章 电子表格模型

12.1 电子表格模型构建

12.2 what-if分析

12.3 建模常用的Excel函数

12.4 电子表格模型审核

12.5 预测性与规范性电子表格模型

CHAPTER 13 第13章蒙特卡罗模拟[1]

13.1 Sanotronics公司的风险分析

13.2 Promus公司存货策略分析

13.3 Land Shark公司模拟模型

13.4 相依变量模拟

13.5 模拟分析的几点思考

CHAPTER 14 第14章 线性优化模型

14.1 最大化问题

14.2 Par公司规划模型的求解

14.3 最小值问题

14.4 线性规划的几类特殊情况

14.5 敏感性分析

14.6 线性规划一般形式及推广应用

14.7 线性规划多个解的一般性说明

CHAPTER 15 第15章 整数线性优化

15.1 整数线性规划的类型

15.2 整数规划的一个实例

15.3 运用Excel求解整数优化问题

15.40-1变量的应用

15.50-1变量与建模

15.6 生成0-1问题的替代最优解

CHAPTER 16 第16章 非线性优化问题

16.1 一个生产管理实例

16.2 局部最优和全局最优

16.3 选址问题

16.4 马科维茨投资组合模型

16.5 新产品市场销售预测

16.6 运用Excel演化求解的启发式优化问题

CHAPTER 17 第17章 决策分析

17.1 问题的表述

17.2 不使用概率的决策分析

17.3 使用概率的决策分析

17.4 运用样本信息的决策分析

17.5 利用贝叶斯定理计算状态分支概率

17.6 效用理论