菜单

学习课程

预测分析

本次为期 3 天的课程将为学员讲授可以帮助他们有效地在组织内应用预测分析的综合工具包

受众主要是问题解决团队的成员,即领导和推进卓越运营活动的人员,进行市场营销分析的人员以及准备在组织内实施预测分析的践行者。

学习分析在历史数据中发现的模式所需的数据分析技术,以获得更深入的见解、识别潜在风险、寻求改进机会并预测未来情况。

一些分析原理将在实际示例和练习中展开 ― 所有这些都可以在 Minitab Statistical Software 中实现。

第 1 天

分析基础知识

在此基础课程中,您将学习如何通过使用 Minitab 导入数据以尽可能缩短分析数据所需的时间,如何开发可靠的统计方法来探索数据,如何创建和解释有吸引力的可视化表现形式并导出结果。实现 Minitab 分析自动化,只需很少的用户输入,可以节省不少时间。分析来自实际应用的各种数据集,学习如何为自己的应用选择正确的分析工具,并解释统计输出。学习重要统计概念(如假设检验和置信区间)的基础知识。

本课程重点讲授如何基于业务、制造和事务过程中常用统计方法的实际应用做出可靠的决策。

包括以下主题:

  • 导入数据和设置数据格式
  • Exec 宏
  • 条形图
  • 直方图
  • 箱线图
  • Pareto 图
  • 散点图
  • 位置和变异测量
  • t 检验
  • 等方差检验
  • 功效和样本数量

第 2 天

回归建模与预测

通过学习使用统计建模工具探索和描述变量之间的关系,继续巩固在“分析基础知识”课程中讲授的基础统计分析概念。发现和描述数据中与时间效应及影响相关的特征,以及如何预测将来的行为。

学习如何找出并量化输入变量对关键事件发生概率的效应。借助动手实践示例演示建模工具如何帮助揭示哪些关键输入和来源导致了数据中出现变异。

包括以下主题:

  • 散点图
  • 相关
  • 简单线性回归
  • 时间序列工具(包括指数平滑)
  • 趋势分析
  • 分解
  • 多元和逐步回归
  • 二元逻辑回归
  • 回归验证

第 3 天

机器学习

通过分析从很多行业中实际发生的问题获得的数据,探索和描述变量之间的关系,进而扩展您的分析。学习使用受监督的机器学习技术(如 CART®),分析在历史数据中发现的模式,以获得更深入的见解、识别潜在风险、寻求改进机会并预测未来情况。

使用不受监督的机器学习工具(如 Clustering),检测数据中的自然分割,并将观测值或变量分组到同质集中。通过将原始数据变换为一组不相关的变量,对数据进行降维。

包括以下主题:

  • 判别分析
  • 测试集验证
  • K 折叠验证
  • CART® 分类
  • 相关
  • CART® 回归
  • 聚类分析
  • 主成份
clear