數(shù)據(jù)分析培訓(xùn) 講師：譚小芳 數(shù)據(jù)分析培訓(xùn)講師？ 數(shù)據(jù)分析培訓(xùn)內(nèi)訓(xùn)專(zhuān)家？ 數(shù)據(jù)分析培訓(xùn)方面的培訓(xùn)？ 國(guó)內(nèi)最知名的數(shù)據(jù)分析培訓(xùn)培訓(xùn)？ 培訓(xùn)時(shí)間：2天 培訓(xùn)地點(diǎn)：客戶(hù)自定 課程推薦： 主要特點(diǎn)： 精髓案例指導(dǎo)：分析勞動(dòng)合同法下的員工關(guān)系管理 行動(dòng)建議：數(shù)據(jù)分析培訓(xùn) 提升建議：引爆高端客戶(hù)營(yíng)銷(xiāo)心理學(xué)與溝通技巧方案 培訓(xùn)對(duì)象：黨政機(jī)關(guān)事業(yè)講領(lǐng)導(dǎo)干部黨員；有志于從事企業(yè)經(jīng)營(yíng)管理的各類(lèi)人士； 企業(yè)董事長(zhǎng)總裁總經(jīng)理總監(jiān)等高層管理人員。 培訓(xùn)收益： 在知識(shí)經(jīng)濟(jì)與信息技術(shù)時(shí)代，每個(gè)人都面臨著如何有效地吸收、理解和利用信息的挑戰(zhàn)。那些能夠有效利用工具從數(shù)據(jù)中提煉信息、發(fā)現(xiàn)知識(shí)的人，最終往往成為各行各業(yè)的強(qiáng)者！ 課程內(nèi)容： 第1講數(shù)據(jù)描述性分析 1.1 數(shù)據(jù)的數(shù)字特征 1.1.1 均值、方差等數(shù)字特征 1.1.2 中位數(shù)、分位數(shù)、三均值與極差 1.2 數(shù)據(jù)的分布 1.2.1 直方圖、經(jīng)驗(yàn)分布函數(shù)與QQ圖 1.2.2 莖葉圖、箱線(xiàn)圖及五數(shù)總括 1.2.3 正態(tài)性檢驗(yàn)與分布擬合檢驗(yàn) 1.3 多元數(shù)據(jù)的數(shù)字特征與相關(guān)分析 1.3.1 二元數(shù)據(jù)的數(shù)字特征及相關(guān)系數(shù) 1.3.2 多元數(shù)據(jù)的數(shù)字特征及相關(guān)矩陣 1.3.3 總體的數(shù)字特征及相關(guān)矩陣 第2講非參數(shù)秩方法 2.1 兩種處理方法比較的秩檢驗(yàn) 2.1.1 兩種處理方法比較的隨機(jī)化模型及秩的零分布 2.1.2 Wilcoxon秩和檢驗(yàn) 2.1.3 總體模型的Wilcoxon秩和檢驗(yàn) 2.1.4 Smimov檢驗(yàn) 2.2 成對(duì)分組設(shè)計(jì)下兩種處理方法的比較 2.2.1 符號(hào)檢驗(yàn) 2.2.2 Wilcoxon符號(hào)秩檢驗(yàn) 2.2.3 分組設(shè)計(jì)下兩處理方法比較的總體模型 2.3 多種處理方法比較的Kruskal-Wallis檢驗(yàn) 2.3.1 多種處理方法比較中秩的定義及Kruskal-Wallis統(tǒng)計(jì)量 2.3.2 KruskaLWallis統(tǒng)計(jì)量的零分布 2.4 分組設(shè)計(jì)下多種處理方法的比較 2.4.1 分組設(shè)計(jì)下秩的定義及其零分布 2.4.2 Friedmsn檢驗(yàn) 2.4.3 改進(jìn)的Friedman檢驗(yàn) 第3講回歸分析 3.1 線(xiàn)性回歸模型 3.1.1 線(xiàn)性回歸模型及其矩陣表示 3.1.2 餳綁2的估計(jì) 3.1.3 有關(guān)的統(tǒng)計(jì)推斷 3.2 逐步回歸法 3.3 Logistic回歸模型 3.3.1 線(xiàn)性L(fǎng)ogistic回歸模型 3.3.2 參數(shù)的最大似然估計(jì)與Newton-Raphson迭代解法 3.3.3 Logistic模型的統(tǒng)計(jì)推斷 第4講主成分分析與因子分析 4.1 主成分分析 4.1.1 引言 4.1.2 總體主成分 4.1.3 樣本主成分 4.2 因子分析 4.2.1 引言 4.2.2 正交因子模型 4.2.3 參數(shù)估計(jì)方法 4.2.4 主成分估計(jì)法的具體步驟 4.2.5 方差最大的正交旋轉(zhuǎn) 4.2.6 因子得分 第5講判別分析 5.1 距離判別 5.1.1 判別分析的基本思想及意義 5.1.2 兩個(gè)總體的距離判別 5.1.3 判別準(zhǔn)則的評(píng)價(jià) 5.1.4 多個(gè)總體的距離判別 5.2 Bayes判別 5.2.1 Bayes判別的基本思想 5.2.2 兩個(gè)總體的Bayes判別 5.2.3 多個(gè)總體的Bayes判別 5.2.4 逐步判別簡(jiǎn)介 第6講聚類(lèi)分析 6.1 距離與相似系數(shù) 6.1.1 聚類(lèi)分析的基本思想及意義 6.1.2 樣品間的相似性度量——距離 6.1.3 變量間的相似性度量——相似系數(shù) 6.2 譜系聚類(lèi)法 6.2.1 類(lèi)間距離 6.2.2 類(lèi)間距離的遞推公式 6.2.3 譜系聚類(lèi)法的步驟 6.2.4 變量聚類(lèi) 6.3 快速聚類(lèi)法 6.3.1 快速聚類(lèi)法的步驟 6.3.2 用Lm距離進(jìn)行快速聚類(lèi) 數(shù)據(jù)分析培訓(xùn)培訓(xùn)總結(jié) 備注：數(shù)據(jù)分析培訓(xùn)培訓(xùn)網(wǎng)如何進(jìn)行員工關(guān)系管理實(shí)務(wù)培訓(xùn)診斷咨開(kāi)課如何進(jìn)行員工關(guān)系管理內(nèi)訓(xùn)員工關(guān)系管理實(shí)務(wù)講咨詢(xún)等最備的一攬員工關(guān)系管理實(shí)務(wù)譚小芳員工管理員工關(guān)系管理實(shí)務(wù)課程大綱據(jù)客戶(hù)求量身定制！