Основы количественного моделирования

В этом модуле вы узнаете, как определить модель и как обычно используются модели. Вы изучите основные этапы процесса моделирования, четыре ключевые математические функции, используемые в моделях, и основной словарь, используемый для описания моделей. К концу этого модуля вы сможете определить четыре наиболее распространенных типа моделей, а также то, как и когда их следует использовать. Вы также сможете определять и правильно использовать ключевые термины моделирования, что даст вам не только основу для дальнейшего изучения, но и возможность задавать вопросы и участвовать в обсуждениях количественных моделей.

Этот модуль знакомит с линейными моделями, которые являются строительным блоком почти для всего моделирования. Внимательно изучив общие способы использования вместе с примерами линейных моделей, вы узнаете, как применять линейные модели, включая функции затрат и производственные функции, в своем бизнесе. Модуль также включает в себя представление процессов роста и спада в дискретном времени, роста и спада в непрерывном времени, а также связанных с ними расчетов настоящей и будущей стоимости. Обсуждаются классические методы оптимизации. К концу этого модуля вы сможете определить и понять ключевую структуру линейных моделей и предложить, когда и как их использовать для улучшения результатов для вашего бизнеса. Вы также сможете выполнять расчеты приведенной стоимости, которые лежат в основе оценочных показателей. Кроме того, вы поймете, как можно использовать модели для своего бизнеса, используя оптимизацию для действительно точной настройки и оптимизации бизнес-функций.

В этом модуле объясняются вероятностные модели, которые представляют собой способы улавливания риска в процессе. Вам нужно будет использовать вероятностные модели, если вы не знаете всех исходных данных. Вы исследуете, как вероятностные модели включают неопределенность и как эта неопределенность распространяется на результаты модели. Вы также узнаете, как распространение неопределенности позволяет вам определять диапазон значений для прогнозирования. Вы познакомитесь с наиболее широко используемыми моделями риска, включая регрессионные модели, древовидные модели, моделирование методом Монте-Карло и цепи Маркова, а также со строительными блоками этих вероятностных моделей, такими как случайные переменные, вероятностные распределения, Бернулли. случайные величины, биномиальные случайные величины, эмпирическое правило и, возможно, самое важное из всех статистических распределений, нормальное распределение, характеризующееся средним значением и стандартным отклонением. К концу этого модуля вы сможете определить вероятностную модель, идентифицировать и понять наиболее часто используемые вероятностные модели, знать компоненты этих моделей и определять наиболее полезные вероятностные модели для выявления и изучения рисков самостоятельно. бизнес.

Этот модуль исследует регрессионные модели, которые позволяют начать с данных и обнаружить лежащий в основе процесс. Модели регрессии являются ключевыми инструментами в прогнозной аналитике и также используются, когда вам необходимо явно включить неопределенность в базовые данные. Вы узнаете больше о том, что такое регрессионные модели, что они могут и что нельзя делать, и на вопросы, которые могут дать регрессионные модели. Вы изучите корреляцию и линейную ассоциацию, методологию подбора наилучшей линии для данных, интерпретацию коэффициентов регрессии, множественную регрессию и логистическую регрессию. Вы также увидите, как логистическая регрессия позволяет оценить вероятность успеха. К концу этого модуля вы сможете идентифицировать регрессионные модели и их ключевые компоненты, понимать, когда они используются, и уметь интерпретировать их, чтобы вы могли обсудить свою модель и убедить других, что ваша модель имеет смысл, с помощью конечная цель реализации.