معرفی و دانلود کتاب آمار بیز

معرفی کتاب آمار بیز

بازاریابی مهارتی فراتر از روان‌شناسی مشتری و روابط عمومی و تبلیغات است. این علم اکنون به تسلط بر مدل‌سازی، محاسبات ریاضی و دانش آماری نیاز دارد. کتاب آمار بیز نوشته‌ی مجتبی کاتب و علیرضا وفائیان ما را با شیوه‌های گوناگون بازاریابی آشنا و به مخاطبان خود کمک می‌کند تا این کار را به شکلی سودبخش، اصولی و در سریع‌ترین حالت ممکن انجام دهند.

درباره‌ی کتاب آمار بیز

کسانی که تا به حال به‌سراغ بازاریابی و جذب مشتری نرفته‌اند، دچار این تصور اشتباه هستند که این کار چندان دشوار نیست و هر کس می‌تواند یک کالا را به بهترین شیوه تبلیغ و از آن تعریف کند تا طرف مقابل به خریدنش ترغیب شود، اما واقعیت این است که بازاریابی و فروش کاری بسیار دشوارتر از این‌هاست و از عهده‌ی هر کسی ساخته نیست. مجتبی کاتب و علیرضا وفائیان کوشیده‌اند تا مخاطبان خود را با روش‌های گوناگون بازاریابی که الگو و مدل‌سازی از مهم‌ترین این روش‌هاست، آشنا کنند.

کتاب آماز بیز به ما نشان می‌دهد روش‌های الگوسازی و مدل‌سازی همچون مونت‌کارلو برای مسائل «اقتصادسنجی فرد» و «قیمت‌گذاری اصولی» سودمند است. ایده‌ی اصلی که در روش McMc استوار شده، ایجاد زنجیره‌ی مارکوفی بر فضای پارامتری است. این روش با شیوه‌ی همانندسازی کار می‌کند و به افرادی که می‌خواهند به شیوه‌ی سوددهی یا زیان‌دهی یک مجموعه آگاه و مسلط شوند، اطلاعات مفید و کاربردی ارائه می‌کند. مجتبی کاتب و علیرضا وفائیان در کتاب آمار بیز به مخاطبان خود که سعی دارند با استفاده از روش‌های محاسباتی، دقیق‌ترین و سودبخش‌ترین راه بازاریابی و فروش محصول را بیابند، کمک می‌کند تا شیوه‌ی اجرای هر روش مدل‌سازی و الگوسازی را مطالعه و مشاهده کنند.

کتاب آمار بیز در انتشارات به‌پویش به چاپ رسیده است.

کتاب آمار بیز برای شما مناسب است اگر

• می‌خواهید با کمک گرفتن از الگوهای محاسباتی و مدل‌سازی، بهترین شیوه‌ی بازاریابی و سرمایه‌گذاری را بیاموزید.
• نسبت به علوم بازاریابی و مدیریت مالی کنجکاو و علاقه‌مند هستید.
• دوست دارید همه‌چیز را علمی و با استفاده از الگوهای مختلفی همچون روش‌های مونت‌کارلو و مدل‌های یونیت اول به ثمر رسانید.

در بخشی از کتاب آمار بیز می‌خوانیم

برای β = 110 و F = 1.37، واریانس زنجیره به‌دست آمده برابر با 0. 37×10⁻⁴ است. اگرچه تعداد نمونه‌ها 10000 تا بوده، اما به علت همبستگی میان نمونه‌ها مقدار اطلاعات مؤثر کمتر می‌شود. بنابراین، اندازه نمونه‌ی مؤثر نسبت به β برابر است با Neff (β) = 0.18×10000 ≈ 1300. این مسئله نشان می‌دهد که با وجود خودهمبستگی بالا، مقدار β به اندازه کافی نمونه‌های مؤثر برای تحلیل دارد. برای مقایسه، اگر از استانداردهای معمولی مانند نسبت خطای معیار استفاده شود، دیده می‌شود که نسبت خطای معیار به مقدار واقعی نسبتاً مناسب است، که امکان استنباط دقیق راجع به این پارامترها می‌دهد. در این مورد احتمالاً نیاز به تحلیل‌های بیشتر نیست، اما در موارد دیگر ممکن است به علت استانداردهای ضعیف‌تر نیاز به افزایش طول زنجیره وجود داشته باشد. برای β و F نیز به ترتیب استانداردهای مشابهی مدنظر است.

نمودار MNP نیز خودهمبستگی بالاتری را نسبت به نمودار MeMc که در فصل 3 مورد بررسی قرار گرفته نشان می‌دهد. این نمودارهای ترکیبی می‌توانند با مقادیر بالای پارامترهای همبستگی، نمونه‌های مؤثرتری ایجاد کنند. مقدار β و σ با هم مقایسه شده‌اند و هر دو به شکل مشابهی تغییر یافته‌اند. همچنین مشاهده شد که β در نمودار MNP رفتار مشابهی با β در نمودار MeMc دارد و بررسی این پدیده با لحاظ کردن الگوی توزیع خاصی از داده‌ها امکان‌پذیر است.

الگوی MNP با استفاده از دستورالعمل NID شبیه‌سازی شد. به طور خلاصه، نمودار شامل پارامترهای مختلفی از جمله β و σ بوده است که در 50000 تکرار مورد بررسی قرار گرفته‌اند. برای β مقدار میانگین برابر با 0.72 و برای σ برابر با 1.03 برآورد شد. ضریب تغییرپذیری برای β برابر با 0.12 و برای σ برابر با 0.18 بود. تنها یک متغیر مورد توجه داشت و نسبت تغییرپذیری‌ها در مقدار (0.9) به طور معناداری متفاوت نبود.

فهرست مطالب کتاب

فصل اول
1-1) الگوی پایه‌ای برای مسائل بازاریابی
2-1) معایب و محاسن رهیافت بیزی
3-1) شرحی مختصر از مطالعات موردی و موارد روش‌شناختی
4-1) محاسبات
فصل دوم
1-2) الزامات بیزی
2-2) مفاهیم ضروری تئوری توزیع
3-2) هدف استنباط و قضیه بیز
4-2) قضیه بیز
5-2) پیش‌بینی و بیز
6-2) خلاصه کردن پسین (خلفی)
7-2) تئوری تصمیم، ریسک و خصوصیات نمونه‌گیری برآوردکننده‌های بیزی
8-2) شناسایی و استنباط بیزی
9-2) مزدوج، کفایت و خانواده‌های نمایی
10-2) برگشت مثال‌های تحلیلی چند متغیره
10-2-1) برگشت چندگانه (multiple regression)
10-2-2) ارزیابی پیشینه‌ها برای مدل‌های برگشتی
10-2-3) استنباط بیزی برای ماتریس‌های کوواریانسی
10-2-4) پیشینه‌ها و توزیع ویشارت
10-2-5) برگشت چند متغیره
10-2-6) محدودیت‌های پیشینه‌های مزدوج
11-2) انتگرال و روش‌های مجانبی
12-2) نمونه‌گیری اهمیت
12-2-1) روش GHK برای ارزیابی انتگرال‌های خاص از توزیع‌های نرمال چند متغیره
13-2) همانندسازی اولیه برای مسائل بیزی
13-2-1) تولید گاما نرمال و یکپارچه
13-2-2) توزیعات بریده
13-2-3) نرمال چند متغیره و توزیعات استیودنت t
13-2-4) ویشارت و توزیع‌های ویشارت معکوس
13-2-5) توزیعات بَس‌جمله‌ای
13-2-6) توزیع دیریکله
14-2) همانندسازی از پیشینه مربوط به مدل برگشت چند متغیره
فصل سوم: روش‌های مونت‌کارلو زنجیره مارکوف
3-1) روش‌های مونت‌کارلو زنجیره مارکوف
3-2) یک مثال ساده نمونه ترمال دو متغیره Gibbs
3-3) تئوری‌هایی مربوط به زنجیره مارکوف
3-4) نمونه‌گیر گیبز
3-5) نمونه‌گیر گیبز و مدل برگشت ظاهراً نامرتبط
3-6) توزیعات مشروط و گراف‌های سودار
3-7) مدل‌های خطی سلسله‌ای
3-8) افزایش داده‌ها و مثال درستی (probit)
3-9) آمیزه‌های نرمال‌ها
3-9-1) شناسایی در آمیزه‌های نرمال
3-9-2) نحوه عملکرد نمونه‌گیر گیبز غیر محدود
3-10) الگوریتم‌های متروپلیس
3-10-1) استقلال زنجیره متروپلیس
3-10-2) قدم‌زدن تصادفی زنجیره‌های متروپلیس
3-10-3) مقیاس‌بندی قدم‌زدن تصادفی (RW) متروپلیس
3-11) الگوریتم متروپلیس نمایش داده شده با مدل لاجیت چند جمله‌ای
3-12) زنجیره پیوندی مارکوف و مونت‌کارلو
3-13) تشخیص
فصل چهارم: مدل‌های یونیت اول و مطالبات گسسته
4-1) مدل‌های متغیرهای غیر مستقیم
4-2) الگوی پروبیت چند جمله‌ای
4-2-1) درک خودهمبستگی مشخصات نمونه‌بردار MNP Gibbs
4-2-2) درست‌نمایی الگوی MNP
4-3) الگوی پروبیت چند متغیره
4-4) تئوری تقاضا و الگوهای انتخاب گسسته
4-4-1) الگوی انتخاب Nonhomothetic
4-4-2) تقاضا برای کمیت‌های گسسته
4-4-3) تقاضای گوناگونی
فصل پنجم: الگوهای مرتبه‌ای واحدهای ناهمگن
5-1) ناهمگنی و پیشین‌ها
5-2) الگوهای مرتبه‌ای
5-3) استنتاج الگوهای مرتبه‌ای
5-4) نمونه لاجیت چند جمله‌ای مرتبه‌ای
5-5) استفاده از ترکیبی از نرمال‌ها
5-5-1) نمونه‌بردار پیوندی
5-5-2) مشخص‌سازی تعداد مؤلفه‌های ترکیبی
5-5-3) کاربرد الگوهای مرتبه‌ای
5-6) بسط و توسعه مربوط به ناهمگنی مدل نرمال — وارسی‌های عیب‌یابی مربوط به پیشینه مرحله اول
5-8) یافته‌ها و تأثیر آن بر بازاریابی
فصل ششم: الگوی انتخاب و نظریه تصمیم
6-1) مدل گزینی
6-2) فاکتورهای Bayes در مجموعه توأم
6-3) روش‌های مجانبی برای محاسبه فاکتورهای Bayes
6-5) فاکتورهای Bayes با استفاده از حاصل‌های McMC
6-6) روش‌های نمونه‌گیری پل
6-7) الگوی احتمالات پسین با پارامترهای مشخص‌نشده
6-8) روش چیب (Chib)
6-9) مثالی از محاسبه فاکتور Bayes الگوهای پروبیت چند جمله‌ای قطری
6-10) تصمیم‌های بازاریابی و نظریه تصمیم Bayesian
6-10-1) رهیافت Plugin در برابر رهیافت کامل Bayes
6-10-2) استفاده از مجموعه‌های گزینه اطلاعات
6-10-3) مقدارگذاری اطلاعات پراکنده
فصل هفتم: همبودی
7-1) روش بیزی برای متغیرهای ابزاری
7-2) نماهای ساختاری و ناهمسانی/همزمانی
7-2-1) الگوی تقاضا
7-2-2) الگوی عرضه – قیمت‌هایی با سود بیشینه
7-2-3) برآورد بیز
7-3) متغیرهای ترکیبی بازاریابی غیر تصادفی
7-3-1) یک چهارچوب کلی
7-3-2) کاربردی در جزئیات تخصیص
7-3-3) رهیافت مدل‌بندی شرطی
7-3-4) فراتر از الگوی شرط
فصل هشتم: بررسی الگوی انتخاب اجناس بسته‌بندی‌شده: مدیریت مقادیر گسسته و تخفیف در مقدار
8-1) پیش‌زمینه
8-2) الگو
8-3) شیوه جواب و مشخص‌سازی درست‌نمایی
8-4) اثبات راه‌حل گوشه‌ای
8-5) داده‌ها
8-6) نتایج
فصل نهم: بررسی موردی 2: مدل‌سازی وابسته‌ی ترجیحات مشتری
9-1) پس‌زمینه
9-2) مدل
9-3) اختصاص پیشین و دخال McMC
9-4) داده‌ها
9-5) نتایج
9-6) بحث
9-7) اعمال R
فصل دهم: بررسی موردی 3: غلبه بر ناهمسانی استفاده از دامنه
10-1) پس‌زمینه
10-2) مدل
10-3) پیشین‌ها و الگوریتم McMC
10-4) داده‌ها
10-5) عدم تجانس در استفاده از دامنه
10-6) تحلیل همکاری
10-7) بررسی
10-8) اعمال R
فصل یازدهم: بررسی موردی 4: مدل انتخابی با قواعد گزینشی جمعی
11-1) پس‌زمینه
11-2) مدل
11-3) داده‌ها
11-4) نتایج
11-5) بررسی
11-6) اعمال R
فصل دوازدهم: بررسی موردی 5: مدل‌سازی تقاضای تنوع مصرف‌کننده
12-1) پس‌زمینه
12-2) مدل
12-3) داده‌ها
12-4) نتایج
12-6) مقادیر جبرانی
12-7) معنی برای سیاست‌های قیمت‌گذاری
12-8) اعمال R
منابع