大數(shù)據(jù)挖掘工具: SPSS Statistics入門與提高
講師：傅一航 瀏覽次數(shù)：2549
課程描述INTRODUCTION
· 市場(chǎng)經(jīng)理· 高層管理者· 中層領(lǐng)導(dǎo)
培訓(xùn)講師：傅一航
課程價(jià)格：￥元/人
培訓(xùn)天數(shù)：3天
日程安排SCHEDULE
課程大綱Syllabus
大數(shù)據(jù)分析挖掘工具
【課程目標(biāo)】
本課程為數(shù)據(jù)分析和挖掘的工具篇，本課程面向數(shù)據(jù)分析部等專門負(fù)責(zé)數(shù)據(jù)分析與挖掘的人士，專注大數(shù)據(jù)挖掘工具SPSS Statistics的培訓(xùn)。
IBM SPSS工具是面向非專業(yè)人士的高級(jí)的分析工具（挖掘工具），它提供大量的分析方法和分析模型，能夠解決更復(fù)雜的業(yè)務(wù)問題，比如影響因素分析、客戶行為預(yù)測(cè)/精準(zhǔn)營(yíng)銷、客戶群劃分、產(chǎn)品交叉銷售、產(chǎn)品銷量預(yù)測(cè)等等。工具它封裝了復(fù)雜難懂的算法實(shí)現(xiàn)，即使你沒有深厚的技能能力，也能夠勝任復(fù)雜的數(shù)據(jù)分析和挖掘。
本課程從實(shí)際的業(yè)務(wù)需求出發(fā)，對(duì)數(shù)據(jù)分析及數(shù)據(jù)挖掘技術(shù)進(jìn)行了全面的介紹，將數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程、分析思路、分析方法、分析模型，全部落地在SPSS工具中，通過大量的工具操作和演練，幫助學(xué)員熟練掌握SPSS工具的使用，并能夠?qū)PSS工具在實(shí)際的業(yè)務(wù)數(shù)據(jù)分析中滿地，實(shí)現(xiàn)“知行合一”。
通過本課程的學(xué)習(xí)，達(dá)到如下目的：
1、 了解大數(shù)據(jù)挖掘的標(biāo)準(zhǔn)過程和挖掘步驟
2、 掌握常用的統(tǒng)計(jì)分析方法，以及可視化
3、 掌握常用的影響因素分析方法，學(xué)會(huì)根因分析
4、 理解數(shù)據(jù)挖掘的常見模型，原理及適用場(chǎng)景。
5、 熟練掌握SPSS基本操作，能利用SPSS解決實(shí)際的商業(yè)問題。
【授課對(duì)象】
市場(chǎng)部、業(yè)務(wù)支撐部、數(shù)據(jù)分析部、運(yùn)營(yíng)分析部等對(duì)業(yè)務(wù)數(shù)據(jù)分析有較高要求的相關(guān)人員。
【課程大綱】
第一部分： 數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程
1、 數(shù)據(jù)挖掘概述
2、 數(shù)據(jù)挖掘的標(biāo)準(zhǔn)流程（CRISP-DM）
-商業(yè)理解
-數(shù)據(jù)準(zhǔn)備
-數(shù)據(jù)理解
-模型建立
-模型評(píng)估
-模型應(yīng)用
案例：客戶流失預(yù)測(cè)及客戶挽留
3、 數(shù)據(jù)集概述
4、 SPSS工具介紹
5、 數(shù)據(jù)挖掘常用模型
第二部分： 數(shù)據(jù)預(yù)處理
如何整理數(shù)據(jù)，了解數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理？
1、 數(shù)據(jù)預(yù)處理的四大任務(wù)
-數(shù)據(jù)集成：多個(gè)數(shù)據(jù)集合并
-數(shù)據(jù)清洗：異常值的處理
-樣本處理：樣本篩選、樣本抽樣、樣本平衡
-變量處理：變量變換、變量派生、變量精簡(jiǎn)
2、 數(shù)據(jù)集成（數(shù)據(jù)集合并）
-樣本追加（添加數(shù)據(jù)行）：橫向合并
-變量合并（添加變量列）：縱向合并
3、 數(shù)據(jù)清洗（異常數(shù)據(jù)處理）
-取值范圍限定
-重復(fù)值處理
-無(wú)效值/錯(cuò)誤值處理
-缺失值處理
-離群值/極端值處理
-數(shù)據(jù)質(zhì)量評(píng)估
4、 樣本處理：行處理
樣本篩選：指定條件篩選指定樣本集（減少樣本數(shù)量）
樣本抽樣：隨機(jī)抽取部分樣本集（減少樣本數(shù)量）
樣本平衡：正反樣本比例均衡
5、 變量處理：列處理
變量變換：原變量取值更新，比如標(biāo)準(zhǔn)化
變量派生：根據(jù)舊變量生成新的變量
變量精簡(jiǎn)：變量刪除/降維，減少變量個(gè)數(shù)
類型轉(zhuǎn)換：數(shù)據(jù)類型的相互轉(zhuǎn)換
6、 變量精簡(jiǎn)/變量降維常用方法
-常用降維方法
-如何確定降維后變量個(gè)數(shù)
-特征選擇：選擇重要變量，剔除不重要變量
-基于變量本身特征來(lái)選擇屬性
-基于數(shù)據(jù)間的相關(guān)性來(lái)選擇屬性
-利用IV值篩選
-基于信息增益來(lái)選擇屬性
-因子合并：將多個(gè)變量進(jìn)行合并
-PCA主成分分析
-判別分析
7、 類型轉(zhuǎn)換
8、 因子合并/主成分分析
-因子分析的原因
-因子個(gè)數(shù)選擇原則
-如何解讀因子含義
案例：提取影響電信客戶流失的主成分分析
9、 數(shù)據(jù)探索性分析
-常用統(tǒng)計(jì)指標(biāo)分析
單變量：數(shù)值變量/分類變量
雙變量：交叉分析/相關(guān)性分析
多變量：特征選擇、因子分析
演練：描述性分析（頻數(shù)、描述、探索、分類匯總）
第三部分： 數(shù)據(jù)可視化
1、 數(shù)據(jù)可視化的原則
2、 常用可視化工具
3、 常用可視化圖形
-柱狀圖、條形圖、餅圖、折線圖、箱圖、散點(diǎn)圖等
4、 圖形的表達(dá)及適用場(chǎng)景
演練：各種圖形繪制
第四部分： 影響因素分析篇
營(yíng)銷問題：哪些因素是影響業(yè)務(wù)目標(biāo)的關(guān)鍵要素？比如，產(chǎn)品在貨架上的位置是否對(duì)銷量有影響？?jī)r(jià)格和廣告開銷是如何影響銷量的？影響風(fēng)控的關(guān)鍵因素有哪些？如何判斷？
1、 影響因素分析的常見方法
2、 相關(guān)分析（衡量?jī)蓴?shù)據(jù)型變量的線性相關(guān)性）
-相關(guān)分析簡(jiǎn)介
-相關(guān)分析的應(yīng)用場(chǎng)景
-相關(guān)分析的種類
-簡(jiǎn)單相關(guān)分析
-偏相關(guān)分析
-距離相關(guān)分析
-相關(guān)系數(shù)的三種計(jì)算公式
-Pearson相關(guān)系數(shù)
-Spearman相關(guān)系數(shù)
-Kendall相關(guān)系數(shù)
-相關(guān)分析的假設(shè)檢驗(yàn)
-相關(guān)分析的四個(gè)基本步驟
演練：營(yíng)銷費(fèi)用會(huì)影響銷售額嗎？影響程度如何量化？
演練：哪些因素與汽車銷量有相關(guān)性
演練：影響用戶消費(fèi)水平的因素會(huì)有哪些
-偏相關(guān)分析
-偏相關(guān)原理：排除不可控因素后的兩變量的相關(guān)性
-偏相關(guān)系數(shù)的計(jì)算公式
-偏相關(guān)分析的適用場(chǎng)景
-距離相關(guān)分析
3、 方差分析（衡量類別變量與數(shù)值變量間的相關(guān)性）
-方差分析的應(yīng)用場(chǎng)景
-方差分析的三個(gè)種類
-單因素方差分析
-多因素方差分析
-協(xié)方差分析
-單因素方差分析的原理
-方差分析的四個(gè)步驟
-解讀方差分析結(jié)果的兩個(gè)要點(diǎn)
演練：擺放位置與銷量有關(guān)嗎
演練：客戶學(xué)歷對(duì)消費(fèi)水平的影響分析
演練：廣告和價(jià)格是影響終端銷量的關(guān)鍵因素嗎
演練：營(yíng)業(yè)員的性別、技能級(jí)別對(duì)產(chǎn)品銷量有影響嗎
演練：尋找影響產(chǎn)品銷量的關(guān)鍵因素
-多因素方差分析原理
-多因素方差分析的作用
-多因素方差結(jié)果的解讀
演練：廣告形式、地區(qū)對(duì)銷量的影響因素分析
-協(xié)方差分析原理
-協(xié)方差分析的適用場(chǎng)景
演練：排除產(chǎn)品價(jià)格，收入對(duì)銷量有影響嗎？
4、 列聯(lián)分析/卡方檢驗(yàn)（兩類別變量的相關(guān)性分析）
-交叉表與列聯(lián)表：計(jì)數(shù)值與期望值
-卡方檢驗(yàn)的原理
-卡方檢驗(yàn)的幾個(gè)計(jì)算公式
-列聯(lián)表分析的適用場(chǎng)景
案例：套餐類型對(duì)客戶流失的影響分析
案例：學(xué)歷對(duì)業(yè)務(wù)套餐偏好的影響分析
案例：行業(yè)/規(guī)模對(duì)風(fēng)控的影響分析
5、 相關(guān)性分析方法總結(jié)
第五部分： 回歸預(yù)測(cè)模型
營(yíng)銷問題：如何預(yù)測(cè)未來(lái)的產(chǎn)品銷量/銷售額？如果產(chǎn)品跟隨季節(jié)性變動(dòng)，該如何預(yù)測(cè)？
1、 回歸分析簡(jiǎn)介和原理
2、 回歸分析的種類
-一元回歸/多元回歸
-線性回歸/非線性回歸
3、 常用回歸分析方法
-散點(diǎn)圖+趨勢(shì)線（一元）
-線性回歸工具（多元線性）
-規(guī)劃求解工具（非線性回歸）
演練：散點(diǎn)圖找營(yíng)銷費(fèi)用與銷售額的關(guān)系
4、 線性回歸分析的五個(gè)步驟
演練：營(yíng)銷費(fèi)用、辦公費(fèi)用與銷售額的關(guān)系（線性回歸）
5、 線性回歸方程的解讀技巧
-定性描述：正相關(guān)/負(fù)相關(guān)
-定量描述：自變量變化導(dǎo)致因變量的變化程度
6、 回歸預(yù)測(cè)模型評(píng)估
-質(zhì)量評(píng)估指標(biāo)：判定系數(shù)R^2
-如何選擇*回歸模型
演練：如何選擇*的回歸預(yù)測(cè)模型（一元曲線回歸）
7、 帶分類自變量的回歸預(yù)測(cè)
演練：汽車季度銷量預(yù)測(cè)
演練：工齡、性別與終端銷量的關(guān)系
演練：如何評(píng)估銷售目標(biāo)與資源*配置
第六部分： 回歸模型優(yōu)化
1、 回歸分析的基本原理
-三個(gè)基本概念：總變差、回歸變差、剩余變差
-方程的顯著性檢驗(yàn)：方程可用性
-因素的顯著性檢驗(yàn)：因素可用性
-方程擬合優(yōu)度檢驗(yàn)：質(zhì)量好壞程度
-理解標(biāo)準(zhǔn)誤差含義：預(yù)測(cè)準(zhǔn)確性？
2、 回歸模型優(yōu)化措施：尋找*回歸擬合線
-如何處理預(yù)測(cè)離群值（剔除離群值）
-如何剔除不顯著因素（剔除不顯著因素）
-如何進(jìn)行非線性關(guān)系檢驗(yàn)（增加非線性自變量）
-如何進(jìn)行相互作用檢驗(yàn)（增加相互作用自變量）
-如何進(jìn)行多重共線性檢驗(yàn)（剔除共線性自變量）
演練：模型優(yōu)化演示
3、 好模型都是優(yōu)化出來(lái)的
第七部分： 自定義回歸模型
1、 回歸建模的本質(zhì)
2、 規(guī)劃求解工具簡(jiǎn)介
3、 自定義回歸模型
案例：如何對(duì)客流量進(jìn)行建模預(yù)測(cè)及模型優(yōu)化
4、 回歸季節(jié)預(yù)測(cè)模型模型
-回歸季節(jié)模型的原理及應(yīng)用場(chǎng)景
-加法季節(jié)模型
-乘法季節(jié)模型
-模型解讀
案例：*航空旅客里程的季節(jié)性趨勢(shì)分析
5、 新產(chǎn)品累計(jì)銷量的S曲線
-S曲線模型的應(yīng)用場(chǎng)景（*累計(jì)銷量及銷量增長(zhǎng)的拐點(diǎn)）
-珀?duì)柷€
-龔鉑茲曲線
案例：如何預(yù)測(cè)產(chǎn)品的銷售增長(zhǎng)拐點(diǎn)，以及銷量上限
演練：預(yù)測(cè)IPad產(chǎn)品的銷量
第八部分： 回歸模型質(zhì)量評(píng)估
1、 定量預(yù)測(cè)模型的評(píng)估
-方程顯著性評(píng)估
-因素顯著性評(píng)估
-擬合優(yōu)度的評(píng)估
-估計(jì)標(biāo)準(zhǔn)誤差評(píng)估
-預(yù)測(cè)值準(zhǔn)確度評(píng)估
2、 模型擬合度評(píng)估
-判定系數(shù)：
-調(diào)整判定系數(shù)：
3、 預(yù)測(cè)值準(zhǔn)確度評(píng)估
-平均*誤差：MAE
-根均方差：RMSE
-平均誤差率：MAPE
4、 其它評(píng)估：殘差檢驗(yàn)、過擬合檢驗(yàn)
第九部分： 時(shí)序預(yù)測(cè)模型
營(yíng)銷問題：像利率/CPI/GDP等按時(shí)序變化的指標(biāo)如何預(yù)測(cè)？當(dāng)銷量隨季節(jié)周期變動(dòng)時(shí)該如何預(yù)測(cè)？
1、 回歸預(yù)測(cè)vs時(shí)序預(yù)測(cè)
2、 因素分解思想
3、 時(shí)序預(yù)測(cè)常用模型
-趨勢(shì)擬合
-季節(jié)擬合
-平均序列擬合
4、 評(píng)估預(yù)測(cè)值的準(zhǔn)確度指標(biāo)：MAD、RMSE、MAPE
5、 移動(dòng)平均（MA）
-應(yīng)用場(chǎng)景及原理
-移動(dòng)平均種類
-一次移動(dòng)平均
-二次移動(dòng)平均
-加權(quán)移動(dòng)平均
-移動(dòng)平均比率法
-移動(dòng)平均關(guān)鍵問題
-如何選取最優(yōu)參數(shù)N
-如何確定最優(yōu)權(quán)重系數(shù)
演練：平板電腦銷量預(yù)測(cè)及評(píng)估
演練：快銷產(chǎn)品季節(jié)銷量預(yù)測(cè)及評(píng)估
6、 指數(shù)平滑（ES）
-應(yīng)用場(chǎng)景及原理
-最優(yōu)平滑系數(shù)的選取原則
-指數(shù)平滑種類
-一次指數(shù)平滑
-二次指數(shù)平滑（Brown線性、Holt線性、Holt指數(shù)、阻尼線性、阻尼指數(shù)）
-三次指數(shù)平滑
演練：煤炭產(chǎn)量預(yù)測(cè)
演練：航空旅客量預(yù)測(cè)及評(píng)估
7、 溫特斯季節(jié)預(yù)測(cè)模型
-適用場(chǎng)景及原理
-Holt-Winters加法模型
-Holt-Winters乘法模型
演練：汽車銷量預(yù)測(cè)及評(píng)估
8、 平穩(wěn)序列模型（ARIMA）
-序列的平穩(wěn)性檢驗(yàn)
-平穩(wěn)序列的擬合模型
-AR(p)自回歸模型
-MA(q)移動(dòng)模型
-ARMA(p,q)自回歸移動(dòng)模型
-模型的識(shí)別與定階
-ACF圖/PACF圖
-最小信息準(zhǔn)則
-序列平穩(wěn)化處理
-變量變換
-k次差分
-d階差分
-ARIMA(p,d,q)模型
演練：上海證券交易所綜合指數(shù)收益率序列分析
演練：服裝銷售數(shù)據(jù)季節(jié)性趨勢(shì)預(yù)測(cè)分析
-平穩(wěn)序列的建模流程
第十部分： 分類預(yù)測(cè)模型篇
問題：如何評(píng)估客戶購(gòu)買產(chǎn)品的可能性？如何預(yù)測(cè)客戶的購(gòu)買行為？如何提取某類客戶的典型特征？如何向客戶精準(zhǔn)推薦產(chǎn)品或業(yè)務(wù)？
1、 分類模型概述及其應(yīng)用場(chǎng)景
2、 常見分類預(yù)測(cè)模型
3、 邏輯回歸（LR）
-邏輯回歸的適用場(chǎng)景
-邏輯回歸的模型原理
-邏輯回歸分類的幾何意義
-邏輯回歸的種類
-二項(xiàng)邏輯回歸
-多項(xiàng)邏輯回歸
-如何解讀邏輯回歸方程
-帶分類自變量的邏輯回歸分析
-多項(xiàng)邏輯回歸/多分類邏輯回歸
案例：如何評(píng)估用戶是否會(huì)購(gòu)買某產(chǎn)品（二項(xiàng)邏輯回歸）
案例：多品牌選擇模型分析（多項(xiàng)邏輯回歸）
4、 分類決策樹（DT）
問題：如何預(yù)測(cè)客戶行為？如何識(shí)別潛在客戶？
風(fēng)控：如何識(shí)別欠貸者的特征，以及預(yù)測(cè)欠貸概率？
客戶保有：如何識(shí)別流失客戶特征，以及預(yù)測(cè)客戶流失概率？
-決策樹分類簡(jiǎn)介
案例：*零售商（Target）如何預(yù)測(cè)少女懷孕
演練：識(shí)別銀行欠貨風(fēng)險(xiǎn)，提取欠貸者的特征
-決策樹分類的幾何意義
-構(gòu)建決策樹的三個(gè)關(guān)鍵問題
-如何選擇*屬性來(lái)構(gòu)建節(jié)點(diǎn)
-如何分裂變量
-修剪決策樹
-選擇最優(yōu)屬性生長(zhǎng)
-熵、基尼索引、分類錯(cuò)誤
-屬性劃分增益
-如何分裂變量
-多元?jiǎng)澐峙c二元?jiǎng)澐?/div>
轉(zhuǎn)載：http://www.jkyingpanluxiangji.com/gkk_detail/275107.html
-連續(xù)變量離散化（最優(yōu)分割點(diǎn)）
-修剪決策樹
-剪枝原則
-預(yù)剪枝與后剪枝
-構(gòu)建決策樹的四個(gè)算法
-C5.0、CHAID、CART、QUEST
-各種算法的比較
-如何選擇最優(yōu)分類模型？
案例：商場(chǎng)用戶的典型特征提取
案例：客戶流失預(yù)警與客戶挽留
案例：識(shí)別拖欠銀行貨款者的特征，避免不良貨款
案例：識(shí)別電信詐騙者嘴臉，讓通信更安全
-多分類決策樹
案例：不同套餐用戶的典型特征
-決策樹模型的保存與應(yīng)用
5、 人工神經(jīng)網(wǎng)絡(luò)（ANN）
-神經(jīng)網(wǎng)絡(luò)概述
-神經(jīng)網(wǎng)絡(luò)基本原理
-神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
-神經(jīng)網(wǎng)絡(luò)分類的幾何意義
-神經(jīng)網(wǎng)絡(luò)的建立步驟
-神經(jīng)網(wǎng)絡(luò)的關(guān)鍵問題
-BP反向傳播網(wǎng)絡(luò)（MLP）
-徑向基網(wǎng)絡(luò)（RBF）
案例：評(píng)估銀行用戶拖欠貨款的概率
6、 判別分析（DA）
-判別分析原理
-判別分析種類
-Fisher線性判別分析
案例：MBA學(xué)生錄取判別分析
案例：上市公司類別評(píng)估
7、 最近鄰分類（KNN）
-KNN模型的基本原理
-KNN分類的幾何意義
-K近鄰的關(guān)鍵問題
第十一部分： 市場(chǎng)細(xì)分模型
問題：我們的客戶有幾類？各類特征是什么？如何實(shí)現(xiàn)客戶細(xì)分，開發(fā)符合細(xì)分市場(chǎng)的新產(chǎn)品？如何提取客戶特征，從而對(duì)產(chǎn)品進(jìn)行市場(chǎng)定位？
1、 市場(chǎng)細(xì)分的常用方法
-有指導(dǎo)細(xì)分
-無(wú)指導(dǎo)細(xì)分
2、 聚類分析
-如何更好的了解客戶群體和市場(chǎng)細(xì)分？
-如何識(shí)別客戶群體特征？
-如何確定客戶要分成多少適當(dāng)?shù)念悇e？
-聚類方法原理介紹
-聚類方法作用及其適用場(chǎng)景
-聚類分析的種類
-K均值聚類
-層次聚類
-兩步聚類
-K均值聚類（快速聚類）
案例：移動(dòng)三大品牌細(xì)分市場(chǎng)合適嗎？
演練：寶潔公司如何選擇新產(chǎn)品試銷區(qū)域？
演練：如何自動(dòng)評(píng)選優(yōu)秀員工？
演練：中國(guó)各省份發(fā)達(dá)程度分析，讓數(shù)據(jù)自動(dòng)聚類
-層次聚類（系統(tǒng)聚類）：發(fā)現(xiàn)多個(gè)類別
-R型聚類與Q型聚類的區(qū)別
案例：中移動(dòng)如何實(shí)現(xiàn)客戶細(xì)分及營(yíng)銷策略
演練：中國(guó)省市經(jīng)濟(jì)發(fā)展情況分析（Q型聚類）
演練：裁判評(píng)分的標(biāo)準(zhǔn)衡量，避免“黑哨”（R型聚類）
-兩步聚類
3、 客戶細(xì)分與PCA分析法
-PCA主成分分析的原理
-PCA分析法的適用場(chǎng)景
演練：利用PCA對(duì)汽車客戶群進(jìn)行細(xì)分
演練：如何針對(duì)汽車客戶群設(shè)計(jì)汽車
第十二部分： 客戶價(jià)值評(píng)估
營(yíng)銷問題：如何評(píng)估客戶的價(jià)值？不同的價(jià)值客戶有何區(qū)別對(duì)待？
1、 如何評(píng)價(jià)客戶生命周期的價(jià)值
-貼現(xiàn)率與留存率
-評(píng)估客戶的真實(shí)價(jià)值
-使用雙向表衡量屬性敏感度
-變化的邊際利潤(rùn)
案例：評(píng)估營(yíng)銷行為的合理性
2、 RFM模型（客戶價(jià)值評(píng)估）
RFM模型，更深入了解你的客戶價(jià)值
RFM模型與市場(chǎng)策略
RFM模型與活躍度分析
演練：“雙11”淘寶商家如何選擇價(jià)值客戶進(jìn)行促銷
演練：結(jié)合響應(yīng)模型，宜家IKE實(shí)現(xiàn)*化營(yíng)銷利潤(rùn)
案例：重購(gòu)用戶特征分析
第十三部分： 假設(shè)檢驗(yàn)
1、 參數(shù)檢驗(yàn)分析（樣本均值檢驗(yàn)）
問題：如何驗(yàn)證營(yíng)銷效果的有效性？
-假設(shè)檢驗(yàn)概述
-單樣本T檢驗(yàn)
-兩獨(dú)立樣本T檢驗(yàn)
-兩配對(duì)樣本T檢驗(yàn)
-假設(shè)檢驗(yàn)適用場(chǎng)景
電信行業(yè)
案例：電信運(yùn)營(yíng)商ARPU值評(píng)估分析（單樣本）
案例：營(yíng)銷活動(dòng)前后分析（兩配對(duì)樣本）
金融行業(yè)
案例：信用卡消費(fèi)金額評(píng)估分析（單樣本）
醫(yī)療行業(yè)
案例：吸煙與膽固醇升高的分析（兩獨(dú)立樣本）
案例：減肥效果評(píng)估（兩配對(duì)樣本）
2、 非參數(shù)檢驗(yàn)分析（樣本分布檢驗(yàn)）
問題：這些屬性數(shù)據(jù)的分布情況如何？如何從數(shù)據(jù)分布中看出問題？
-非參數(shù)檢驗(yàn)概述
-單樣本檢驗(yàn)
-兩獨(dú)立樣本檢驗(yàn)
-兩相關(guān)樣本檢驗(yàn)
-兩配對(duì)樣本檢驗(yàn)
-非參數(shù)檢驗(yàn)適用場(chǎng)景
案例：產(chǎn)品合格率檢驗(yàn)（單樣本-二項(xiàng)分布）
案例：訓(xùn)練新方法有效性檢驗(yàn)（兩配對(duì)樣本-符號(hào)/秩檢驗(yàn)）
案例：促銷方式效果檢驗(yàn)(多相關(guān)樣本-Friedman檢驗(yàn))
案例：客戶滿意度差異檢驗(yàn)(多相關(guān)樣本-Cochran Q檢驗(yàn))
結(jié)束：課程總結(jié)與問題答疑。
大數(shù)據(jù)分析挖掘工具
轉(zhuǎn)載：http://www.jkyingpanluxiangji.com/gkk_detail/275107.html
已開課時(shí)間Have start time
- 傅一航
[僅限會(huì)員]
大數(shù)據(jù)營(yíng)銷內(nèi)訓(xùn)
- 《企業(yè)數(shù)據(jù)管理與數(shù)據(jù)資產(chǎn)化 張光利
- 數(shù)字媒體和數(shù)字教學(xué) 鐘理勇
- 數(shù)字經(jīng)濟(jì)基礎(chǔ)和企業(yè)數(shù)字化轉(zhuǎn) 盧森煌
- 數(shù)字金融與智能金融下的智慧 盧森煌
- 管理者數(shù)據(jù)能力晉級(jí) 宋致旸
- 《小紅書運(yùn)營(yíng)策劃與執(zhí)行》 黃光偉
- 商業(yè)銀行數(shù)據(jù)治理體系建設(shè)實(shí) 馬慶
- 大數(shù)據(jù)行業(yè)的現(xiàn)狀與熱點(diǎn) 徐全
- 大數(shù)據(jù)時(shí)代下服務(wù)營(yíng)銷新思維 秦超
- 數(shù)字化轉(zhuǎn)型與新質(zhì)生產(chǎn)力 盧森煌
- 《零售行業(yè)社群團(tuán)購(gòu)運(yùn)營(yíng)》 陳蕊
- 企業(yè)區(qū)塊鏈技術(shù)的應(yīng)用場(chǎng)景與 李璐