理解和应用商业统计的能力在行业中越来越重要。要对数据做出正确和相关的解释，就必须充分了解商业统计。缺乏相关知识可能会导致错误的决策，从而给公司带来潜在的负面影响。本课程旨在向您介绍商业统计学。我们从描述性统计的概念开始，即用几个数字来概括数据。我们将介绍和讨论不同类别的描述性指标，以及计算这些指标的 Excel 函数。在介绍概率或不确定性概念的同时，我们还将使用相关的商业实例介绍样本和总体数据的概念。这将引导我们了解各种统计分布及其 Excel 函数，然后使用这些函数来模拟或近似业务流程。在整个课程中，您将通过简单易学的 Excel 示例来应用这些数据描述性度量和各种统计分布。 要成功完成课程作业，学生必须能够使用 Microsoft Excel。

________________________________________ 第 1 周 模块 1：基本数据描述符 在本模块中，您将了解、计算和解释数据的各种描述性或概括性度量。这些描述性度量使用几个数字来总结和展示数据。介绍并演示了进行这些计算的适当 Excel 函数。 所涉及的主题包括： - 描述性数据的类别 - 中心倾向度量、平均值、中位数、模式及其解释和计算 - 数据的分布度量、范围、四分位数范围、标准偏差和方差 - 箱形图 - 使用经验法则和切比雪夫定理解释标准偏差度量 ________________________________________ 第 2 周 模块 2：关联的描述性度量、概率和统计分布 本模块介绍协方差和相关性度量及其各自的 Excel 函数。你将了解因果关系与相关关系的概念。随后，本模块将介绍概率和随机变量的概念，并开始介绍统计分布。 所涉及的主题包括： - 关联测量、协方差和相关测量；因果关系与相关关系 - 概率和随机变量；离散数据与连续数据 - 统计分布介绍 ________________________________________ 第 3 周 模块 3：正态分布 本模块介绍正态分布以及计算概率和分布中各种结果的 Excel 函数。 涉及的主题包括： - 概率密度函数和作为概率度量的曲线下面积 - Excel 中的正态分布（钟形曲线）、NORM.DIST、NORM.INV 函数 ________________________________________ 第 4 周 模块 4：正态分布、二项分布、泊松分布 在本模块中，您将看到正态分布的各种应用。还将介绍二项分布和泊松分布。在理解样本数据与总体数据以及两者之间联系的背景下，将介绍和解释中心极限定理。 涵盖的主题包括： - 正态分布的各种应用 - 二项分布和泊松分布 - 样本数据与总体数据；中心极限定理

置信区间和假设检验是商业统计工具箱中非常重要的工具。掌握这些主题将有助于提高您的商业决策能力，让您了解和衡量各种业务流程中的 "风险 "或 "不确定性 "程度。

本课程是 "商业统计与分析 "专业的第三门课程，通过介绍置信区间和假设检验，加深您对商业统计的了解。我们首先从概念上理解这些工具及其商业应用。然后，我们将介绍构建置信区间和进行各种假设检验的各种计算方法。要顺利完成课程作业，学生必须使用 Windows 版本的 Microsoft Excel 2010 或更高版本。请注意，早期版本的 Microsoft Excel（2007 及更早版本）与本课程中涉及的某些 Excel 函数不兼容。 第 1 周 模块 1：置信区间 - 介绍 在本模块中，您将从概念上理解什么是置信区间以及如何构建置信区间。我们将介绍置信区间的各种构件，如 t 分布、t 统计量、z 统计量及其各种 excel 公式。内容包括： - 介绍 t 分布、T.DIST 和 T.INV excel 函数 - 对置信区间的概念理解 - z 统计量和 t 统计量 - 使用 z 统计量和 t 统计量构建置信区间 第 2 周 模块 2：置信区间 - 应用 本模块介绍置信区间的各种商业应用，包括使用置信区间计算适当样本量的应用。我们还介绍了人口比例置信区间的应用。在本模块即将结束时，我们开始介绍假设检验的概念。 所涉及的主题包括： - 置信区间的应用 - 人口比例的置信区间 - 样本量计算 - 假设检验，简介 第 3 周 模块 3：假设检验 本模块介绍假设检验。你将了解假设检验背后的逻辑。将介绍进行假设检验的四个步骤，并应用这些步骤对种群平均数和种群比例进行假设检验。您将了解单尾假设检验和双尾假设检验的区别，还将了解与假设检验相关的第一类和第二类误差以及减少此类误差的方法。 涉及的主题包括： - 假设检验的逻辑 - 进行假设检验的四个步骤 - 单尾假设检验和双尾假设检验 - 假设检验的准则、公式和应用 - 人口比例的假设检验 - 假设中的 I 型和 II 型误差 WEEK 4 模块 4：假设检验 - 均值差异 在本模块中，您将应用假设检验来检验两个不同数据之间的差异，这种假设检验称为均值差异检 验。我们将介绍三种均值差检验，并将它们应用到各种商业应用中。内容包括： - 均值差假设检验介绍 - 均值差假设检验的应用 - 均值差的等方差假定和不等方差假定及配对 t 检验。

回归分析可能是业内最重要的商业统计工具。回归是用于多种形式预测和预报的大量数据分析应用背后的引擎。

本课程是 "商业统计与分析 "专业的第四门课程。课程将向您介绍线性回归这一非常重要的工具。您将学会应用各种程序，如虚拟变量回归、转换变量和交互效应。课程的重点在于理解和应用，而不是详细的数学推导。 注：本课程使用 Windows 版 Microsoft Excel 标配的 "数据分析 "工具箱。它也是 2016 或更高版本 Mac Excel 的标准配置。但是，早期版本的 Excel for Mac 并不标配该工具箱。 第 1 周 模块 1：回归分析：本模块将向你介绍线性回归模型。我们将使用 Excel 建立一个回归模型并对其进行估计。我们将使用估计的模型来推断各种变量之间的关系，并使用模型进行预测。本模块还介绍了回归模型中的误差、残差和 R 方的概念。 所涉主题包括： - 线性回归介绍 - 建立回归模型并使用 Excel 进行估计 - 使用估计模型进行推断 - 使用回归模型进行预测 - 误差、残差和 R 方 第 2 周 模块 2：回归分析：假设检验和拟合优度 本模块介绍了可以使用回归输出进行的不同假设检验。这些检验是推理的重要组成部分，本模块将使用基于 Excel 的示例介绍这些检验。在介绍 p 值的同时，还介绍了拟合优度指标 R 方和调整 R 方。在本模块的最后，我们将介绍 "虚拟变量回归"，用于在回归中加入分类变量。 涵盖的主题包括： - 线性回归中的假设检验 - "拟合优度 "度量（R-square、调整后的 R-square） - 虚拟变量回归（在回归中使用分类变量） 第 3 周 模块 3：回归分析：虚拟变量、多重共线性 本模块继续虚拟变量回归的应用。您将了解在存在分类变量的情况下如何解释回归结果。将通过实例来强化所介绍的各种概念。本模块还解释了什么是多重共线性以及如何处理。 涉及的主题包括： - 虚拟变量回归（在回归中使用分类变量） - 在存在虚拟变量的情况下系数和 p 值的解释 - 回归模型中的多重共线性 第 4 周 模块 4：回归分析：该模块扩展了您对线性回归的理解，介绍了变量的均值中心和使用回归模型建立预测置信区间等技术。本单元将介绍一种强大的回归扩展，即 "交互变量"，并通过示例进行解释。我们还将研究回归中的变量转换，并在此背景下介绍对数和半对数回归模型。 涵盖的主题包括： - 回归模型中变量的均值中心 - 使用回归模型建立预测的置信区间 - 回归中的交互效应 - 变量的转换 - 对数和半对数回归模型

商业统计与分析毕业设计是一个将四门专业课程中培养的各种技能应用到实际生活数据中的机会。顶点课程与行业合作伙伴合作，使用公开的 "住房数据"，提出客户通常会向数据分析师提出的各种问题。 您的任务是进行相关的统计分析，并以任何人都能理解的方式报告您在回答问题时的发现。 请记住，这是一门顶点课程，其难度/模糊性高于前四门课程。目的是尽可能模拟现实生活中的应用。