上一页

ⓘ Category:统计学




                                               

数据科学

数据科学 (英語: data science )是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。 数据科学技术可以帮助我们如何正确的处理数据并协助我们在生物学、社会科学、人类学等领域进行研究调研。此外,数据科学也对商业竞争有极大的帮助。

                                               

統計學應用領域列表

統計學 是在資料分析的基礎上,研究如何測定、收集、整理、歸納和分析反映數據資料。一些專業已經發展到能將統計方法應用要多種學科的階段。某些主題的名稱有「統計」的字眼,但他們只是與機率分佈的計算相關,而不是統計分析。 流行病學 統計金融 航天統計學 企業分析 精算學 生物統計學 統計物理學 環境統計學 統計熱力學 統計訊號處理 統計力學 地球統計學 人口學 可靠度 種群生態學 心理統計學 品質管制 計量心理學 計量經濟學 機器學習 化學計量學 運籌學

                                               

ARIMA模型

ARIMA模型 (英語: A uto r egressive I ntegrated M oving A verage model ),差分整合移動平均自迴歸模型,又稱整合移动平均自回归模型(移動也可稱作滑動),时间序列预测分析方法之一。ARIMA(p,d,q)中,AR是"自回归",p为自回归项数;MA为"滑动平均",q为滑动平均项数,d为使之成为平稳序列所做的差分次数(阶数)。「差分」一詞雖未出現在ARIMA的英文名稱中,卻是關鍵步驟。 ARIMA(p,d,q)模型是ARMA(p,q)模型的扩展。ARIMA(p,d,q)模型可以表示为: 1 − ∑ i = 1 p ϕ i L i 1 − L d X t = 1 + ∑ i = 1 q θ i L i ε t {\displaystyle \left1-\sum _{i=1}^{p}\phi _{i}L^{i}\right1-L^{d}X_{t}=\left1+\sum _{i=1}^{q}\the ...

                                               

ARMA模型

ARMA模型 ( A uto r egressive m oving a verage model,全稱: 自回归滑动平均模型 )。是研究时间序列的重要方法,由自迴歸模型(简称AR模型)与移动平均模型(简称MA模型)为基础" 混合”构成。在市场研究中常用于长期追踪资料的研究,如:Panel研究中,用于消费行为模式变迁研究;在零售研究中,用于具有季节变动特征的销售量、市场规模的预测等。

                                               

白雜訊

白噪声 ,是一種功率譜密度為常數的隨機信號或随机过程。即此信號在各個频段上的功率一致。由于白光是由各種頻率(颜色)的单色光混合而成,因而此信号的平坦功率谱性质稱為" 白色”,此信号也因此得名為白噪声。相对的,其他不具有这一性质的噪声信号則称为有色噪声。 理想的白噪声具有無限頻寬,因而其能量是無限大,這在现实世界是不可能存在的。实际上,人常常將有限頻寬的平整訊號視為白噪声,以方便进行數學分析。

                                               

外推

在数学中, 外推 (英語: extrapolation )是指从已知数据的孤点集合中构建新的数据的方法。与内插类似,但其所得的结果意义更小,而且更加受不确定性影响。 在市场学中,这种方法被用来预测未来产业走向。