大数据时代的数据挖掘与商务智能(三).ppt

大数据时代的

数据挖掘与商务智能;

第三部分

基于统计的传统数据分析技术;数据分析基本概念;统计数据分析方法;数学家的幽默;何为统计学？;统计(Statistics)的涵义;统计的研究对象的特点;统计研究的基本环节;统计设计;收集数据;整理与分析;统计资料的积累、开发与应用;统计学的流派;政治算术学派与国势学派

;社会统计学派;数理统计学派;理论统计学和应用统计学;数学与统计学的联系;统计学与数学的区别;测量与数据;统计数据;变量与变量值;例：员工个人资料表;变量的测度等级;名义测度（Nominal）;有序测度（Ordinal）;间距测度（Interval）;比率测度（Ratio）;数据来源;总体和样本;总体参数和样本统计量;数据的类型;面板数据;非结构化数据;数据与模型的关系;数据的质量;数据的质量;数据的完整性;数据的准确性;数据的可比性与一致性;数据预处理;为什么需要预处理;脏数据形成的原因;数据清理的重要性;数据清理处理内容;空缺值;噪声数据;分箱（binning）;分箱方法用于数据平滑;聚类;聚类（Clustering）;计算机和人工检查相结合;回归;数据集成;数据变换;数据规范化;数据规约;属性子集选择;维规约;主成分分析 ;主成分分析(PCA);数值规约;*;聚类后抽样;离散化和概念分层;数值数据离散化和概念分层;数值概念分层;概念分层自动生成;数据预处理小结;统计数据分析方法;统计数据分析方法;描述统计的作用;描述统计;数据整理;数据分组;如何分组？;统计数据的分组;次数分配;某企业非熟练工人的月工资额（百元）;变量次数分配的编制;确定组数与组距;分组计算;分6组，组距7;结合实际数据;按5组，10元作为组距，

计算次数。;次数分配表;作图;用excel作直方图;分两组;分组太细会出现什么问题？;分组数据的图示

(直方图的绘制);次数曲线;累计次数分布;统计表和统计图;示例数据;线形图（Linegraph）;条形图(Barchart);圆饼图(Piechart);环形图

(doughnutchart);环形图;多变量数据—雷达图

(radarchart);多变量数据—雷达图

(雷达图的制作);多变量数据—雷达图

(例题分析);多变量数据—雷达图

(例题分析);*;散点图（ScatterDiagram）;集中趋势和离中趋势;次数分配后有两个特征;???术平均值;加权算数平均数;算数平均值的好性质一;算数平均值的好性质二;均值的缺点;中位数;举例;众数;*;*;*;几何均值;表示变异（离散）程度的特征数;离散程度的测度;方差;标准差;用Excel计算描述统计量;Excel中的统计函数;数据分布特征和描述统计量;因变量(Y)与自变量(X)之间的关系

;变量之间的关系;函数关系;变量之间的关系;相关关系;总体相关系数;样本相关系数;样本相关系数;样本相关系数;相关关系的测度

（相关系数取值及其意义）;相关性的可视化;*;相关分析中应注意的问题;推断统计;相关分析与回归分析;回归模型的类型;一元线性回归模型;一元线性回归模型假设;一元线性回归模型;一元线性回归模型;一元线性回归方程;一元线性回归方程;一元线性回归方程;一元线性回归方程;一元线性回归方程;模型适合性分析;误差项的异方差性检验;误差项的异方差性检验;误差项的自相性关检验;误差项的自相性关检验;误差项的自相性关检验;多元线性回归分析;多元线性回归分析的定义;多元线性回归模型;多元线性回归模型;多元线性回归模型;多元线性回归模型;多元线性回归模型;多元线性回归模型;参数的最小二乘估计;参数的最小二乘估计;参数的最小二乘估计;回归方程的显著性检验;总离差平方和分解;总离差平方和分解;样本决定系数对回归方程

“拟合优度”的检验;样本决定系数对回归方程

“拟合优度”的检验;样本决定系数对回归方程

“拟合优度”的检验;回归系数的显著性检验;时间序列分析;时间序列的成分;趋势成分;循环成分;季节成分;季节成分;季节成分;不规则成分;不规则成分;利用平滑法进行预测;利用平滑法进行预测;移动平均法;加权移动平均法;指数平滑法;指数平滑法;指数平滑法;指数平滑法;指数平滑法;示例;示例;利用趋势推测法进行预测;利用趋势推测法进行预测;利用趋势推测法进行预测;利用趋势推测法进行预测;利用趋势推测法进行预测;利用趋势推测法进行预测;利用趋势推测法进行预测;利用趋势推测法进行预测;利用趋势推测法进行预测;利用趋势推测法进行预测;拟合澳大利亚政府1981—1990年

每季度的消费支出序列;线性拟合;拟合效果图;非线性拟合;常用非线性模型;对上海证券交易所每月末上证指数

序列进行模型拟