☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

现今的生活环境，从政府、社会、经济、产业、企业、投资与消费，时时刻刻都充满着大量复杂、多元且具相关性的数据资料，如何运用各种分析工具，将资料从简单的描述整理到深入地推论分析，以得到有效的管理决策及绩效，是一项充满挑战的课题，也是各层级组织努力追求的目标。而「统计学」的产生，就是建立在数据分析的基础上，研究如何将复杂资料转化为有效管理的重要工具。就时序而言，统计学自17 世纪中叶产生后，已广泛地应用在自然科学与社会科学，尤其更积极应用于工商企业及政府的情报决策。随着2001 年巨量资料（Big Data）时代来临，统计分析、资讯科技及云端技术密切结合，已成为资料科学（Data Science）中的重要主轴之一。

　　统计（Statistics）的意义，是针对研究计画之目的，将事前预先规划且已收集到的资料，运用各种分析方法，进行有系统的整理分析，找出变数之间的影响性或关联性，并归纳出影响结果的重要原因。而这些原因的发现，将有助于缩减未来不确定的状况，较精准的聚焦于关键因素，从而提高管理决策的品质，有效协助管理决策的制定与执行。换言之，统计实务是将统计观念应用于实际的事务或现象上的估计或预测，再借由所得到的估计或预测的结果，作为决策的参考。而统计学即是透过样本资料所得到的分析结果，推论母体特性的一门学科，也就是介绍「统计」相关科学与技术理论的学问。所以，统计实务是在实践统计学的应用，利用母体的一部分资料（即样本），透过统计的方法与理论，找出可以得知母体参数或未来趋势的模型或估计数值。

　　美国学者高德纳（Donald Ervin Knuth） 于2012 年提出大数据资料分析应涵盖四个要素（4V），即资料成长数量（Volume）、资料成长速度（Velocity）、资料多元化（Variety）及资料真实性（Veracity）。数据资料
　　在4V 的运作状态下，可作为创造决策的参考。现今人们的生活型态，包括食、衣、住、行、育、乐，时时刻刻都充满着新的数据资料，若能善用统计及大数据观念，将可大幅改善管理决策。网路及消费资料愈来愈受到全球重视，已有许多企业运用大量数据分析进行有效的行销策略，显见大数据分析已逐渐成为未来行销的新趋势。例如：

　　1.电信业者透过数以千万计的客户资料，能分析出多种使用者行为和趋势，卖给需要的企业。

　　2.电信业者把手机位置信息和互联网上的信息结合，为顾客提供附近的餐饮店或提供末班车信息服务。

　　3.专业服装业透过Twitter 和Facebook 收集社交信息并进行分析，得出必须保留两类有价值的顾客：高消费者和高影响者，让用户进行口碑宣传。

　　因此，面对经济及社会的急遽变化，仅靠传统的经验与直觉，已不一定能做出最正确的决策模式。而透过统计完成数据资料的诠释与分析，可以挖掘资料所隐含的讯息，预测未来的市场及产品的发展趋势，降低经营不确定性的风险。

　　本书是统计实务与大数据应用的入门书，共分为三大部分。

　　第一部分共计三章，即第一章至第三章，为描述性统计的介绍，可使学生及实务工作者了解大多数企业及机构，常用的描述性统计分析。包括：资料尺度、资料型态、常用统计图形及资料初步分析。

　　第二部分共计四章，即第四章至第七章，为统计推论基本概念及常用基础统计分析，以作为大数据分析之基础。包括：机率理论、条件机率、常态分配及简易的无母数统计方法、统计估计、研究假设及检定、相关分析及回归分析。

　　相关分析探讨两变数之间的线性关联性。若为正相关，表示一个变数上升（或下降），另一个变数也会上升（或下降）；若为负相关，表示一个变数上升（或下降），另一个变数也会下降（ 或上升）。回归分析探讨一个或多个自变数，对一个目标变数正向或反向的影响关系。

　　第三部分共计六章，即第七章至第十二章，为常用的大数据分析概念及技术。包括：大数据概述、大数据「分类」模型之决策树（Decision Trees）、罗吉斯回归（Logistic Regressions）及贝氏机率分类法（Bayes Probability Classification）。大数据「分群」模型之丛集分析（Cluster Analysis）及类神经网路（Neural Network）。大数据「关联与预测」模型分析之关联规则（Association Rule）及时间序列（Time Series）。最后，第十二章为进阶统计实务之发展，探讨统计资讯的演进、统计深度学习、统计机器学习及人工智慧。

本书特色

　　本书之特点有三：
　　1 本书兼顾实务描述性资料分析、基本统计实务分析及常用大数据分析技术。
　　2 本书为使内容易于阅读、理解及教学，故尽量以图表、案例及数学公式详细分项说明。
　　3 本书所有实作范例（包含大数据分析技术），皆以EXCEL 软体之函数及公式为之，以达到易学易用之效。
　　本书初衷是期望将统计实务及大数据分析，进行有系统的分析与整理，俾有助于大学生、研究生及管理实务工作者，釐清观念并增进应用知识。然鉴于本书撰写之时，全球许多政府、企业及研究机构，刻正进行大数据理论及实务应用之更新及发展。因所学有限，全书内容或有挂一漏万、文字不当之处，冀祈各界先进不吝赐教，是所至盼。

作者简介

古永嘉

　　现职：国立台北大学 企业管理学系教授
　　学历：美国德州大学阿灵顿分校企管博士
　　经历
　　•台湾期货交易所董事
　　•经济部商业司 SIIR 服务业创新研发召集委员
　　•青年创业总会经营管理主任委员
　　•商业总会经贸谘询委员
　　•国营事业经营绩效审议委员
　　•多家上市柜公司董事或监察人
　　•上市及上柜审议委员

杨志清

　　学历：国立政治大学统计学博士
　　经历
　　•中华创新资讯与应用统计学会祕书长
　　•中华市场研究协会 祕书长
　　•淡江大学兼任助理教授
　　•中国文化大学兼任助理教授
 

第１章 统计实务概论
1-1 统计实务的意义
1-2 数据资料的尺度与型态
1-3 数据资料来源
1-4 统计实务的分类

第２章 常用统计图形
2-1 资料的量测尺度
2-2 检视资料的分布—如何以统计图表呈现

第３章 资料初步分析
3-1 资料总体描述
3-2 单变数的集中程度之衡量
3.3 单变数分散程度之衡量
3-4 单变数分布形状之衡量
3-5 两变数之间关系之衡量
3-6 两变数线性关系衡量

第４章 机率与统计
4-1 为何需要懂机率及统计
4-2 机率理论
4-3 条件机率
4-4 机率分配
4-5 常态分配
4-6 中央极限定理
4-7 无母数统计

第５章 估 计
5-1 估计方法
5-2 母体平均数
5-3 母体变异数
5-4 母体比例

第６章 研究假设及检定
6-1 假设检定的本质与逻辑
6-2 统计显着性差异
6-3 统计检定程序
6-4 检定的种类

第７章 相关与回归分析
7-1 相关分析
7-2 简单线性回归
7-3 多元线性回归

第８章 大数据导引
8-1 大数据定义与概述
8-2 大数据应用
8-3 大数据分析方法

第９章 大数据分析— 分类模型
9-1 决策树
9-2 罗吉斯回归
9-3 贝氏机率分类

第10章 大数据分析— 分群模型
10-1 集群分析
10-2 类神经网路

第11章 大数据分析— 关联与预测模型
11-1 关联规则
11-2 时间序列

第12章 进阶统计实务
12-1 统计资讯的演进
12-2 统计深度学习
12-3 统计机器学习
12-4 人工智慧

附表
 

None

统计学：大数据分析－EXCEL实务应用与操作 电子书 下载 mobi epub pdf txt 2024

类似图书 点击查看全场最低价

查看全网最低价