Análise de Negócios com R
O foco principal do Business Analytics é desenvolver novos insights para os negócios e avaliar o desempenho. Já se falou o suficiente sobre Business Analytics e suas várias técnicas. O que é mais necessário é um entendimento completo de como as estatísticas são aplicadas no Business Analytics.
O que é modelagem estatística?
Modelagem Estatística é a formalização de relações entre variáveis na forma de equações matemáticas. É basicamente descobrir a variável. Ele descreve como uma ou mais variáveis estão relacionadas a uma ou mais outras variáveis. Aqui, as variáveis não estão relacionadas com precisão, mas podem ser estocasticamente relacionadas.
mongodb criar usuário para banco de dados
Em termos mais simples, uma variável nada mais é que um atributo. Um atributo se torna a altura, o peso e a idade de uma pessoa. Altura e idade são de natureza probabilística. Uma pessoa de 30 anos tem mais chances de ter 1,2 m de altura. Da mesma forma, quando você conhece uma pessoa de 13 anos de idade, ela tem maiores chances de ter 1,80 m de altura.
Todo o propósito da modelagem estatística não é sobre a pesquisa; em última análise, se resume a fornecer uma visão das soluções. Envolve analisar os dados e aplicá-los em diferentes circunstâncias. Os tópicos discutidos no vídeo são os seguintes:
1. O que é modelagem estatística
2. O que é modelagem de regressão
3. Compreendendo o Analytics
O que é modelagem de regressão?
Conforme mencionado nas linhas acima sobre modelagem estatística, um fator importante e básico nesta teoria é a Modelagem de Regressão. A modelagem de regressão trata da identificação do relacionamento entre duas variáveis. Mais especificamente, a regressão ajuda a entender como o valor da variável dependente muda enquanto qualquer uma das variáveis independentes varia, enquanto as outras variáveis independentes são mantidas fixas. Por exemplo, o tempo é uma variável independente, enquanto as vendas e a velocidade dependem de certos fatores. Portanto, o objetivo é descobrir a relação entre os dois.
Existem certas equações no modelo de regressão, sendo a regressão linear, multivariada e logística. A regressão logística é semelhante à regressão em que existem duas variáveis, portanto se classificando como um modelo estatístico probabilístico. É usado para descrever os parâmetros de um modelo de resposta qualitativa.
No diagrama mencionado no vídeo, a linha apresenta dois conceitos - um que está na linha e outro que não está. Os que estão fora da linha apresentam erro. Esta é a distância entre o valor real (pontos azuis) e o valor previsto (a linha preta). O objetivo da modelagem, seja em qualquer forma, é minimizar esses erros, que é tentar fazer a ponte entre os dois. Existem outras técnicas para entender a teoria.
Compreendendo Analytics em Negócios
Toda a operação de análise se resume a 3 modelos simples - modelo preditivo, descritivo e de decisão. Como o nome sugere, permite compreender o futuro. Por exemplo, falha do sistema, solvência e fraude vêm sob o modelo preditivo que está ganhando popularidade mundial hoje. Por outro lado, existem modelos descritivos e de decisão que já existem há muito tempo. Um modelo descritivo permite caracterizar os dados, em que o PIB de um país e a taxa média de esperança de vida podem ser estimados. Também é de natureza exploratória, em que um cliente fornece os dados e o problema é analisado. O cliente recebe uma visão do problema e, em seguida, o modelo de decisão é usado, após o qual certas otimizações são propostas. O modelo tem um objetivo que nada mais é do que otimização.
Tem alguma questão para nós? Mencione-os na seção de comentários e entraremos em contato com você.
qual é a estrutura da mola
Postagens relacionadas: