歡迎來到 常識詞典網 ， 一個專業的常識知識學習網站！
[ Ctrl + D 鍵 ]收藏本站
答案 1：
我的理解是：A商品開團3天了，參與人數為100人；B商品開團15天了，參與人數為800人。計算A和B哪個賣的好？這樣的話就可以轉為預測問題，預測A商品開團15天后參與人數會有多少。如果理解沒錯的話，可以試試多元線性回歸，在解決時間線上的擬合問題還是不錯的。尤其是你有歷史數據的情況下。至于變量，比較顯著的應該有網站、開團時間（即時間線）、商品分類、星期幾等。星期函數估計要用自定義函數。結果不會太精確，試過之前很難說靠譜不靠譜。Excel也可以做多元線性回歸，感興趣的話可以看這本書《excel 2007 data -ysis and business modeling》：is-are.iask.sina.cn/f/124447...的47,48兩章。京東有中文版賣。答案 2：
首先建議你修改下問題，這個問題在統計學中范疇有點廣，可以直接以下面的案例為題。關鍵問題是，這里的原先的排名你似乎并不知道，沒有因變量的數據，如何進行回歸？首先，多元線性回歸出來的排名值是期望，這個排名可以近似正態分布么？在非參數統計中的近似可是有嚴格假定的，我不認為它排名這個東西符合，為什么？因為小的排名數據是很難獲得的，所以本身期望就不可信，在這里我傾向于非參數統計的方法。
再者，你選取哪些變量不選取哪些變量這是很有來頭的，不是什么變量都可以加進去。數據是時間序列數據，若是排名為因，人數為果，然后拿人數對排名做回歸，這就有點本末倒置了。我們要確定哪些因素是對排名有影響的，影響為多長時間的，哪些因素是受排名影響的，哪些是兩者有相互影響的，這屬于計量的范疇。
最后，像商品的排名是有定義的，熱賣值這種是模糊不見的，本身因變量沒有明確定義，又不是因子分析出來的影響因素，這是沒有價值的。所有的人為定義需要數據說話。當你選定合適的變量時，不妨去做一下因子分析，看看你所認為的熱賣值是哪些變量的線性組合。
問題解決：建議在此處用非參數統計的方法，一個【Coc-ran Q】檢驗再加上幾組卡方檢驗就可以搞定了。為什么不能直接當正態做？因為你先要找排名的因素，然后要把它顯示出來，這不是一個可以不管殘差是否正態就拿去做回歸的事情
建議先檢驗一下這些變量是否是同階單整的。假設他們的影響時間不是都一樣，（i.e.有的因素很快對排名見效，有的要很慢見效），那直接放在一起是有問題的。這里有個非常有名的ADF檢驗，如果數據是異方差的（自己對自己的上一期所做出來的回歸存在異方差）請用PP檢驗修正。
以上的詳細檢驗方法都可以在網上搜到。做分析時，請務必先想假設條件是否滿足。統計并不是一個簡單的事情，它需要你思路清晰明暢。
答案 3：
這是一個曝光策略的問題，就是隨機挑選商品曝光一段時間，然后轉化高的往上浮動相關問題的研究方式是假定存在最優的商品（Oracle），然后提出某種商品曝光策略，數學推導其相對于（Oracle）選擇最優商品的損失最簡單的算法是UCB1，（網上抄來的）描述如下
For eac- action j record t-e average reward ?xj and number of times we -ave tried it nj . We write n for total number of actions we -ave tried.
Try t-e action t-at -ximises ?xj + sqrt(2 ln(n) / nj)
比如有100個商品，截至目前總共引了100w PV，賣了1w件
一個商品引了1000 PV，賣了100件，那么就是100/1000 + sqrt(2 * ln(100w) / 1000)=0.266
一個商品引了10000 PV，賣了1000件，那么就是1000/10000 + sqrt(2 * ln(100w) / 10000)=0.105
一個商品引了100000 PV，賣了10000件，那么就是100/1000 + sqrt(2 * ln(100w) / 100000)=0.101
而一個商品引了100 PV，賣了1件，那么就是1/100 + sqrt(2 * ln(100w) / 100)=0.53
所以新品應該多曝光，即使起初轉化率很低
直觀的理解，就是轉化率與曝光度的一個折衷另外這個問題的不同策略在數學上相差不大下一篇:鹵料鹵鴨子怎么做（鹵味鴨子怎么做） 下一篇 【方向鍵 ( → )下一篇】
上一篇:紅燒肉的制作方法怎么做（怎么做正宗的紅燒肉） 上一篇 【方向鍵 ( ← )上一篇】
快搜
