No description available.

No description available.

In recent decades, the use of incentive-based reward programs to foster customer loyalty and promote sales has become prevalent in various industries. While these strategies are widely accepted and implemented, there is a significant gap in empirical studies to ascertain their real-world effectiveness. This thesis embarks on a comprehensive examination into the effectiveness of an online business's reward program, utilizing data from the past five years and employing data mining techniques, including RFM (Recency, Frequency, Monetary) model and clustering algorithms; hypothesis tests are employed to further strengthen the drawn conclusions. Contrary to popular theories, the findings reveal that small incentives such as rewards did not induce significant changes in customer purchasing behavior, nor did they effectively boost sales among rewarded customers. A control group of non-rewarded top-class customers showed more robust purchasing patterns. These unexpected results challenge existing beliefs and call for a critical re-evaluation of current practices in sales promotion and customer loyalty. The research underscores the need for empirically grounded strategies, further exploration into alternative loyalty-building methods, and a recognition of the complex realities influencing customer engagement.

No description available.

No description available.

La prise de décision est un processus computationnel fondamental dans de nombreux aspects du comportement animal. Le modèle le plus souvent rencontré dans les études portant sur la prise de décision est appelé modèle de diffusion. Depuis longtemps, il explique une grande variété de données comportementales et neurophysiologiques dans ce domaine. Cependant, un autre modèle, le modèle d’urgence, explique tout aussi bien ces mêmes données et ce de façon parcimonieuse et davantage encrée sur la théorie. Dans ce travail, nous aborderons tout d’abord les origines et le développement du modèle de diffusion et nous verrons comment il a été établi en tant que cadre de travail pour l’interprétation de la plupart des données expérimentales liées à la prise de décision. Ce faisant, nous relèveront ses points forts afin de le comparer ensuite de manière objective et rigoureuse à des modèles alternatifs. Nous réexaminerons un nombre d’assomptions implicites et explicites faites par ce modèle et nous mettrons alors l’accent sur certains de ses défauts. Cette analyse servira de cadre à notre introduction et notre discussion du modèle d’urgence. Enfin, nous présenterons une expérience dont la méthodologie permet de dissocier les deux modèles, et dont les résultats illustrent les limites empiriques et théoriques du modèle de diffusion et démontrent en revanche clairement la validité du modèle d'urgence. Nous terminerons en discutant l'apport potentiel du modèle d'urgence pour l'étude de certaines pathologies cérébrales, en mettant l'accent sur de nouvelles perspectives de recherche. / Decision‐making is a computational process of fundamental importance to many aspects of animal behavior. The prevailing model in the experimental study of decision‐making is the drift‐diffusion model, which has a long history and accounts for a broad range of behavioral and neurophysiological data. However, an alternative model – called the urgency‐gating model – has been offered which can account equally well for much of the same data in a more parsimonious and theoretically‐sound manner. In what follows, we will first trace the origins and development of the DDM, as well as give a brief overview of the manner in which it has supplied an explanatory framework for a large number of behavioral and physiological studies in the domain of decision‐making. In so doing, we will attempt to build a strong and clear case for its strengths so that it can be fairly and rigorously compared to potential alternative models. We will then re‐examine a number of the implicit and explicit theoretical assumptions made by the drift‐diffusion model, as well as highlight some of its empirical shortcomings. This analysis will serve as the contextual backdrop for our introduction and discussion of the urgency‐gating model. Finally, we present a novel experiment, the methodological design of which uniquely affords a decisive empirical dissociation of the models, the results of which illustrate the empirical and theoretical shortcomings of the drift‐diffusion model and instead offer clear support for the urgency‐gating model. We finish by discussing the potential for the urgency gating model to shed light on a number of clinical disorders, highlighting a number of future directions for research.

<p><strong>Syfte:</strong> Studiens syfte är att analysera och undersöka om det finns något samband mellan den finansiella risken och lönsamheten. Det övergripande syftet är att se om valet av finansiell risk fungerar som finansieringsstrategi i verkligheten.</p><p><strong>Metod:</strong> Studien bygger på den deduktiva ansatsen där teorier kommer att testas och analyseras mot empiriska data tagna från årsredovisningar. Den kvantitativa metoden används då data från 305 stycken årsredovisningar ska användas för att finna om det finns samband och variation mellan finansiell risk och lönsamhet definierad som vinstmarginal, <em>Rt</em> och <em>Re</em>. Årsredovisningarna utgörs av sekundärdata som samlats in från databasen Retriever. De statistiska metoder som används är bland annat medelvärde, standardavvikelse, regressions- och korrelationsanalys, hypotesprövning och <em>t</em>-test.</p><p><strong>Resultat och slutsats: </strong>Såväl korrelation- och regressionsanalys som hypotesprövning och <em>t</em>-test visar att det finns samband mellan finansiell risk och lönsamhet definierad som <em>Re</em>. Studien visar även att det finns inget samband mellan finansiell risk och lönsamhet definierad som vinstmarginal eller <em>Rt</em>. Valet av finansiell risk fungerar alltså som finansieringsstrategi i verkligheten om lönsamheten är definierad som <em>Re</em>.</p><p><strong>Uppsatsens bidrag:</strong> Resultaten påvisade att det finns samband mellan finansiell risk och <em>Re</em> precis som teorin förespråkar.</p>

Syfte: Studiens syfte är att analysera och undersöka om det finns något samband mellan den finansiella risken och lönsamheten. Det övergripande syftet är att se om valet av finansiell risk fungerar som finansieringsstrategi i verkligheten. Metod: Studien bygger på den deduktiva ansatsen där teorier kommer att testas och analyseras mot empiriska data tagna från årsredovisningar. Den kvantitativa metoden används då data från 305 stycken årsredovisningar ska användas för att finna om det finns samband och variation mellan finansiell risk och lönsamhet definierad som vinstmarginal, Rt och Re. Årsredovisningarna utgörs av sekundärdata som samlats in från databasen Retriever. De statistiska metoder som används är bland annat medelvärde, standardavvikelse, regressions- och korrelationsanalys, hypotesprövning och t-test. Resultat och slutsats: Såväl korrelation- och regressionsanalys som hypotesprövning och t-test visar att det finns samband mellan finansiell risk och lönsamhet definierad som Re. Studien visar även att det finns inget samband mellan finansiell risk och lönsamhet definierad som vinstmarginal eller Rt. Valet av finansiell risk fungerar alltså som finansieringsstrategi i verkligheten om lönsamheten är definierad som Re. Uppsatsens bidrag: Resultaten påvisade att det finns samband mellan finansiell risk och Re precis som teorin förespråkar.

本論文的研究目標是建構一個由多標記複合成的最佳疾病診斷工具，所考慮的評估準則為操作者特徵曲線在特定特異度範圍之線下面積(pAUC)。在常態分布假設下，我們推導多標記線性組合之pAUC以及最佳線性組合之必要條件。由於函數本身過於複雜使得計算困難。除此之外，我們也發現其最佳解可能不唯一，以及局部極值存在，這些情況使得現有演算法的運用受限，我們因此提出多重初始值演算法。當母體參數未知時，我們利用最大概似估計量以獲得樣本pAUC以及令其極大化之最佳線性組合，並證明樣本最佳線性組合將一致性地收斂到母體最佳線性組合。在進一步的研究中，我們針對單標記的邊際判別能力、多標記的複合判別能力以及個別標記的條件判別能力，分別提出相關統計檢定方法。這些統計檢定被運用至兩個標記選取的方法，分別是前進選擇法與後退淘汰法。我們運用這些方法以選取與疾病檢測有顯著相關的標記。本論文透過模擬研究來驗證所提出的演算法、統計檢定方法以及標記選取的方法。另外，也將這些方法運用在數組實際資料上。 / The aim of this work is to construct a composite diagnostic tool based on multiple biomarkers under the criterion of the partial area under a ROC curve (pAUC) for a predetermined specificity range. Recently several studies are interested in the optimal linear combination maximizing the whole area under a ROC curve (AUC). In this study, we focus on finding the optimal linear combination by a direct maximization of the pAUC under normal assumption. In order to find an analytic solution, the first derivative of the pAUC is derived. The form is so complicated, that a further validation on the Hessian matrix is difficult. In addition, we find that the pAUC maximizer may not be unique and sometimes, local maximizers exist. As a result, the existing algorithms, which depend on the initial-point, are inadequate to serve our needs. We propose a new algorithm by adopting several initial points at one time. In addition, when the population parameters are unknown and only a random sample data set is available, the maximizer of the sample version of the pAUC is shown to be a strong consistent estimator of its theoretical counterpart. We further focus on determining whether a biomarker set, or one specific biomarker has a significant contribution to the disease diagnosis. We propose three statistical tests for the identification of the discriminatory power. The proposed tests are applied to biomarker selection for reducing the variable number in advanced analysis. Numerical studies are performed to validate the proposed algorithm and the proposed statistical procedures.

No description available.