Thống Kê Kinh Doanh

Giới thiệu
Thống kê Kinh doanh (Business Statistics) là chìa khóa để bạn hiểu và ứng dụng các phương pháp phân tích dữ liệu nhằm hỗ trợ ra quyết định một cách chính xác và hiệu quả trong môi trường kinh doanh hiện đại. Đây là nền tảng quan trọng giúp bạn tổ chức, diễn giải dữ liệu và dự đoán xu hướng, góp phần nâng cao năng suất và giá trị cạnh tranh cho tổ chức.
Tại LSSI, khóa học Thống kê Kinh doanh không chỉ trang bị cho bạn kiến thức sâu rộng về các công cụ và kỹ thuật thống kê mà còn phát triển kỹ năng tư duy phân tích và giải quyết vấn đề. Chương trình được thiết kế để bạn tự tin áp dụng các phương pháp thống kê từ cơ bản đến nâng cao vào thực tế, bao gồm phân tích xác suất, kiểm định giả thuyết, hồi quy, và nhiều hơn nữa. Đây chính là nền tảng vững chắc để thúc đẩy sự nghiệp của bạn và tạo ra những giá trị bền vững cho tổ chức.
Mục tiêu đào tạo
- Hiểu và đánh giá giá trị của thông tin thống kê trong các lĩnh vực kinh doanh và môi trường làm việc.
- Sử dụng các công cụ thống kê mô tả (trung bình, trung vị, phương sai, độ lệch chuẩn) để tổ chức và phân tích dữ liệu.
- Áp dụng các phương pháp đồ họa như biểu đồ tần suất, histogram, và boxplot để trình bày dữ liệu rõ ràng và hiệu quả.
- Phân tích và tính xác suất theo các phân phối thống kê như Binomial, Poisson, Uniform, và Exponential.
- Xây dựng và diễn giải khoảng tin cậy (confidence interval) cho các tham số như trung bình và tỷ lệ của dân số.
- Thực hiện kiểm định giả thuyết cho trung bình hoặc tỷ lệ của một hoặc hai dân số.
- Áp dụng phân tích hồi quy tuyến tính đơn giản và tương quan để giải quyết các vấn đề hai biến.
- Hiểu và diễn giải các kết quả từ mô hình hồi quy do máy tính tạo ra, bao gồm bảng ANOVA.
Đối tượng
- Các nhà lãnh đạo, quản lý, giám đốc
- Quản lý Kiểm soát và Đảm bảo Chất lượng
- Kỹ sư Quy trình
- Chuyên gia Cải tiến Chất lượng
- Trưởng nhóm trong lĩnh vực Sản xuất và Chế tạo
- Quản lý trong ngành Dịch vụ tham gia vào các Quy trình Kiểm soát Chất lượng
- Sinh viên
Điều kiện tiên quyết
Người tham gia chương trình Business Statistics không yêu cầu bất kỳ điều kiện tiên quyết nào và chương trình này chào đón tất cả thành viên mới.
Phương pháp đào tạo
- Làm bài tập thực tế và thuyết trình cuối khóa
- Học song song 50% lý thuyết và 50% thực hành
- Thảo luận nhóm, thuyết trình
- Trò chơi mô phỏng
- Xử lý tình huống
- Reflection
- Coaching
Hình thức đào tạo
- ONLINE qua nền tảng Google Meeting hoặc
- OFFLINE tại 223 Nguyễn Xí – Bình Thạnh – Hồ Chí Minh
- Số buổi: 20 Buổi – 10 Tuần
- Thời gian học: 18:30-21:30 lớp trong tuần, 8:30 – 16:00 lớp cuối tuần
Chương trình đào tạo
- 16 Sections
- 96 Lessons
- Lifetime
- I. Data and Statistics10
- 1.1A. Statistics in Practice: Bloomberg Businessweek
- 1.2B. Applications in Business and Economics
- 1.3C. Data
- 1.4D. Data Sources
- 1.5E. Descriptive Statistics
- 1.6F. Statistical Inference
- 1.7G. Analytics
- 1.8H. Big Data and Data Mining
- 1.9I. Computers and Statistical Analysis
- 1.10J. Ethical Guidelines for Statistical Practice
- II. Descriptive Statistics: Tabular and Graphical Displays6
- 2.1A. Statistics in Practice: Colgate-Palmolive Company
- 2.2B. Summarizing Data for a Categorical Variable
- 2.3C. Summarizing Data for a Quantitative Variable
- 2.4D. Summarizing Data for Two Variables Using Tables
- 2.5E. Summarizing Data for Two Variables Using Graphical Displays
- 2.6F. Data Visualization: Best Practices in Creating Effective Graphical Displays
- III. Descriptive Statistics: Numerical Measures7
- 3.1A. Statistics in Practice: Small Fry Design
- 3.2B. Measures of Location
- 3.3C. Measures of Variability
- 3.4D. Measures of Distribution Shape, Relative Location, and Detecting Outliers
- 3.5E. Five-Number Summaries and Box Plots
- 3.6F. Measures of Association Between Two Variables
- 3.7G. Data Dashboards: Adding Numerical Measures to Improve Effectiveness
- IV. Introduction to Probability11
- 4.1A. Statistics in Practice: National Aeronautics and Space Administration
- 4.2B. Random Experiments, Counting Rules, and Assigning Probabilities
- 4.3C. Events and Their Probabilities
- 4.4D. Some Basic Relationships of Probability
- 4.5E. Conditional Probability
- 4.6F. Bayes’ Theorem
- 4.7G. Summary
- 4.8H. Glossary
- 4.9I. Key Formulas
- 4.10J. Supplementary Exercises
- 4.11K. Case Problem: Hamilton County Judges
- V. Discrete Probability Distributions8
- 5.1A. Statistics in Practice: Citibank
- 5.2B. Random Variables
- 5.3C. Developing Discrete Probability Distributions
- 5.4D. Expected Value and Variance
- 5.5E. Bivariate Distributions, Covariance, and Financial Portfolios
- 5.6F. Binomial Probability Distribution
- 5.7G. Poisson Probability Distribution
- 5.8H. Hypergeometric Probability Distribution
- VI. Continuous Probability Distributions4
- VII. Sampling and Sampling Distributions9
- 7.1A. Statistics in Practice: Meadwestvaco Corporation
- 7.2B. The Electronics Associates Sampling Problem
- 7.3C. Selecting a Sample
- 7.4D. Point Estimation
- 7.5E. Introduction to Sampling Distributions
- 7.6F. Sampling Distribution of x
- 7.7G. Sampling Distribution of p
- 7.8H. Properties of Point Estimators
- 7.9I. Other Sampling Methods
- VIII. Interval Estimation5
- IX. Hypothesis Tests1
- X. Inference About Means and Proportions with Two Populations2
- XI. Inferences About Population Variances2
- XII. Comparing Multiple Proportions, Test of Independence, and Goodness of Fit3
- XIII. Experimental Design and Analysis of Variance (ANOVA)5
- XIV. Simple Linear Regression9
- 14.1A. Simple Linear Regression Model
- 14.2B. Least Squares Method
- 14.3C. Coefficient of Determination
- 14.4D. Model Assumptions
- 14.5E. Testing for Significance
- 14.6F. Using the Estimated Regression Equation for Estimation and Prediction
- 14.7G. Computer Solution
- 14.8H. Residual Analysis: Validating Model Assumptions
- 14.9I. Residual Analysis: Outliers and Influential Observations
- XV. Multiple Regression9
- 15.1A. Multiple Regression Model
- 15.2B. Least Squares Method
- 15.3C. Multiple Coefficient of Determination
- 15.4D. Model Assumptions
- 15.5E. Testing for Significance
- 15.6F. Using the Estimated Regression Equation for Estimation and Prediction
- 15.7G. Categorical Independent Variables
- 15.8H. Residual Analysis
- 15.9I. Logistic Regression
- XVI. Regression Analysis: Model Building5