莱文《商务统计学（第7版）》完整学习笔记.pdf

《商务统计学（第7版）》笔记 ⾸先要学的重要内容 1 统计学是⼀种思维⽅式 统计学是关于有效处理数据的⽅法，这些⽅法代表了⼀种可以帮助你更好地做出决策的思维⽅式。 想要最好地理解统计学是⼀种思维⽅式，你需要⼀个框架把统计学的各项任务组织起来。DCOVA框架 （DCOVA framework）就是这样的思维框架。 DCOVA框架包括以下任务： 定义 （define）为解决某个问题或者实现某个⽬标⽽要研究的数据。 从适当的来源收集 （collect）数据。 通过创建表格对收集的数据进⾏整理 （organize）。 通过创建图形使收集到的数据更加可视化 （visualize）。 分析 （analyze）收集到的数据以便得出结论并演示结果。 借助DCOVA框架有利于在商务活动的以下四个领域中应⽤统计学⽅法： 概括商务数据并使其可视化； 从数据分析中得出结论； 对商务活动做出可靠的预测； 改进商务管理的运营过程。 2 数据：应该如何定义 数据 （data）是“有助于辨认事物发⽣的某个特质或者属性的值” 。 变量 （variable）⽤来表示与数据数值相关的事物特质或属性。 变量就是物体或个⼈的特征。 数据就是与变量相关的各个值的集合。 统计学 统计学 （statistics），定义为将数据转化为对决策有⽤的信息的⽅法。 在统计学中，统计描述 （descriptive statistics）主要⽤来概括和展示数据。统计推断 （inferential statistics）则利⽤从⼩群体收集的数据来得出有关⼤群体的结论。 3 统计学正在改变⾯貌 商务分析学 商务分析学 （business analytics）将传统的统计⽅法与管理科学和信息科学⽅法结合在⼀起，形成了⼀套 跨学科的分析⼯具，⽤来⽀持以事实为依据的管理决策。商务分析学能够帮助你： 应⽤统计⽅法分析和探讨数据，找出此前⼈们⽆法预料的事物间的关联关系。 应⽤管理科学的⽅法开发优化模型，改进从战略制定到各个层⾯的⽇常运营管理。 使⽤信息系统的⽅法来收集和处理不同容量的数据集，包括那些原本难以开展有效研究的容量巨⼤的 收据集。 ⼤数据 ⼤数据 （big data）是⽤传统⽅法不易浏览或分析的数据集合。数据量很⼤，数据产⽣的速度很快，⽽且数 据形式多种多样，并不限于数据处理记录、⽂件和表格等传统结构化数据。 ⼤量、快速和多样 （volumne, velocity, variety） ⼤数据为企业获得新的管理理念或者从数据资源中获取价值提供了机会。 软件在统计学中的整合作⽤ ⼯作簿 （worksheets）以表格形式排列数据，⾏和列的交差点形成单元格 （cells），⽤来输⼊内容。通常 ⽤列来输⼊变量的数值，每⼀列为⼀个变量。 4 统计学：商学教育中的重要组成部分 在当前数据导向的商务环境中，你需要具备常⽤的分析技能，以便正确处理数据、解释分析结论并把结果 融合到各领域的决策过程中。 你的决策过程越来越依靠数据⽽不是基于个⼈经历的直觉或灵感。数据导向已被实践证明是成功的，研究 表明那些常⽤统计分析学帮助决策的公司在⽣产率、创新和竞争⼒⽅⾯都有所提升。 第1章数据定义与收集 1.1 定义变量 对于每个感兴趣的变量，你必须提供⼀个可操作定义（operational definition），即对所有与该分析相关 的⼈⽽⾔很明显是普遍接受的含义。 划分变量类型 当你对变量给出可操作定义时，必须把变量区分为属性变量或者数值变量。属性变量 （categorical variables）⼜称为定性变量 （qualitative variables），它的取值是分类的不同类别。数值变量 （numerical variables）⼜称为定量变量 （quantitative variables），它的取值代表通过计数或测量得到 的数值。分类也会影响变量的可操作定义。此外，由于某些统计⽅法可以正确地应⽤于⼀种或多种类型的 变量，⽽其他统计⽅法则仅限于特定的变量类型，因此正确的变量划分很重要。 属性变量可以是答案为“是”或“否”的问题的结果；或者描述⼀个具有多种类别的树形或者特征。在定义⼀个 属性变量的时候，必须提供允许的类别，还必须对每个类别给出明确的定义。 数值数据的可操作定义取决于该变量被定义为离散的还是连续的。离散变量 （discrete variables）是计数 过程得出的结果。连续变量 （continuous vaiiables）是测量过程得出的数值，⽽且这些