本模块介绍线性模型，它几乎是所有建模的基础。通过仔细研究线性模型的常见用途和示例，您将学会如何将线性模型（包括成本函数和生产函数）应用到您的业务中。本模块还包括离散时间的增长和衰减过程、连续时间的增长和衰减过程，以及相关的现值和未来值计算。课程还讨论了经典的优化技术。本模块结束时，您将能够识别和理解线性模型的关键结构，并就何时和如何使用这些模型来改善业务成果提出建议。您还将能够进行现值计算，这是估值指标的基础。此外，您还将了解如何通过使用优化功能来利用模型为您的业务提供帮助，从而真正调整和优化您的业务功能。

本模块介绍概率模型，这是捕捉流程风险的方法。在不知道所有输入的情况下，您需要使用概率模型。您将研究概率模型如何包含不确定性，以及这种不确定性如何延续到模型的输出。您还会发现传播不确定性如何让您确定预测值的范围。您将学习最广泛使用的风险模型，包括回归模型、树型模型、蒙特卡罗模拟和马尔科夫链，以及这些概率模型的构建模块，如随机变量、概率分布、伯努利随机变量、二项式随机变量、经验法则，以及可能是所有统计分布中最重要的分布--以均值和标准差为特征的正态分布。本模块结束时，您将能够定义概率模型，识别和理解最常用的概率模型，了解这些模型的组成部分，并确定最有用的概率模型，以捕捉和探索自己业务中的风险。

本模块将探讨回归模型，它可以让你从数据入手，发现潜在的过程。回归模型是预测分析中的关键工具，在必须将不确定性明确纳入基础数据时也会用到。 您将进一步了解什么是回归模型、回归模型能做什么和不能做什么，以及回归模型能回答哪些问题。您将研究相关性和线性关联、拟合数据最佳线的方法、回归系数的解释、多元回归和逻辑回归。您还将了解逻辑回归如何让您估算成功概率。本模块结束时，您将能够识别回归模型及其关键组成部分，了解何时使用这些模型，并能够解释这些模型，从而能够讨论您的模型并说服他人您的模型是有意义的，最终目标是实施这些模型。