Análisis empresarial con R
El enfoque principal de Business Analytics es desarrollar nuevos conocimientos para el negocio y evaluar el desempeño. Se ha hablado bastante sobre Business Analytics y sus diversas técnicas. Lo que más se necesita es un conocimiento profundo de cómo se aplican las estadísticas en Business Analytics.
¿Qué es el modelado estadístico?
El modelado estadístico es la formalización de relaciones entre variables en forma de ecuaciones matemáticas. Básicamente se trata de descubrir la variable. Describe cómo una o más variables están relacionadas con una o más de otras variables. Aquí, las variables no están relacionadas con precisión, pero podrían estar relacionadas estocásticamente.
código de lista enlazada en c
En términos más simples, una variable no es más que un atributo. Un atributo se convierte en la altura, el peso y la edad de una persona. La altura y la edad son de naturaleza probabilística. Una persona de 30 años tiene más probabilidades de medir 4 pies de altura. Del mismo modo, cuando conoce a una persona que tiene 13 años de edad, tiene mayores posibilidades de medir 6 pies de altura.
Todo el propósito del modelado estadístico no se trata de la investigación, en última instancia, se reduce a proporcionar una idea de las soluciones. Implica analizar los datos y aplicarlos en diferentes circunstancias. Los temas tratados en el video son los siguientes:
1. ¿Qué es el modelado estadístico?
2. ¿Qué es el modelado de regresión?
3. Comprensión de la analítica
¿Qué es el modelado de regresión?
Como se mencionó en las líneas anteriores sobre el modelado estadístico, un factor importante y básico en esta teoría es el modelado de regresión. El modelado de regresión se trata de buscar la relación entre dos variables. Más específicamente, la regresión ayuda a comprender cómo cambia el valor de la variable dependiente mientras que cualquiera de las variables independientes varía, mientras que las otras variables independientes se mantienen fijas. Por ejemplo, el tiempo es una variable independiente, mientras que las ventas y la velocidad dependen de ciertos factores. Por tanto, el objetivo es descubrir la relación entre los dos.
Hay ciertas ecuaciones en el modelo de regresión, siendo la regresión lineal, multivariante y logística. La regresión logística es similar a la regresión en la que hay dos variables, por lo que se clasifica como un modelo estadístico probabilístico. Se utiliza para describir los parámetros de un modelo de respuesta cualitativa.
En el diagrama mencionado en el video, la línea presenta dos conceptos: uno que está en la línea y otro que no. Los que están lejos de la línea tienen un error. Esta es la distancia entre el valor real (puntos azules) y el valor predicho (la línea negra). El objetivo del modelado, ya sea de cualquier forma, es minimizar estos errores, que es intentar cerrar la brecha entre los dos. Existen otras técnicas para comprender la teoría.
Comprensión de la analítica empresarial
Toda la operación de la analítica se reduce a 3 modelos simples: modelo predictivo, descriptivo y de decisión. Como su nombre indica, permite comprender el futuro. Por ejemplo, fallas del sistema, solvencia crediticia, fraude se incluyen en el modelo predictivo que está ganando popularidad en todo el mundo en la actualidad. Por otro lado, existen modelos descriptivos y de decisión que existen desde hace mucho tiempo. Un modelo descriptivo permite caracterizar los datos, en los que se puede estimar el PIB de un país y la tasa de esperanza de vida promedio. También es de naturaleza exploratoria, donde un cliente proporciona los datos y se analiza el problema. Al cliente se le da una idea del problema y luego se utiliza el modelo de decisión, después de lo cual se proponen ciertas optimizaciones. El modelo tiene un objetivo que no es más que optimización.
Tienes una pregunta para nosotros? Menciónalos en la sección de comentarios y nos pondremos en contacto contigo.
fibonacci c ++ recursivo
Artículos Relacionados: