Учебное пособие. — Владивосток: Изд-во ВГУЭС, 2010. — 80 с.
Составлено в соответствии с учебной программой по дисциплине
«Компьютерный анализ данных» и требованиями государственного
стандарта России. Предназначена для студентов специальностей
0618000 Математические методы в экономике и 351400 «Прикладная
информатика в экономике». Содержит теоретический материал по
дисциплине, задания к практическим занятиям и указания к их
выполнению.
Введение.
Способы измерения информации и представления информации.
Многомерные статистические данные. Наблюдения, объекты и признаки.
Математическое и табличное представление многомерных данных.
Виды измерительных шкал.
Простейшие способы моделирования данных.
Зачем нужно моделировать данные.
Моделирование данных с помощью функции СЛЧИС().
Моделирование данных равномерного распределения.
Простейший способ моделирования нормальной случайной величины.
Моделирование законов распределения случайных величин средствами Excel.
Предварительный анализ данных.
Расчет средних значений и дисперсии одномерного признака.
Диапазон значений признака.
Расчет частотного ряда признака.
Графическое представление данных. Гистограмма.
Предварительный анализ многомерных данных. Диаграмма рассеивания.
Моделирование данных в более сложных случаях.
Метод неравномерной рулетки.
Метод отбраковки.
Моделирование многомерного нормального распределения.
Методы преобразования данных.
Нормировка значений признака.
Преобразование измерительных шкал.
Проверка статистических гипотез.
Принцип решения задач проверки статистических гипотез.
Сглаживание эмпирических данных теоретической функцией плотности.
Непараметрический критерий оценки зависимости признаков.
Проверка гипотезы равенства средних двух выборок (t-критерий).
Дисперсионный анализ — классификация по одному признаку (F-критерий).
Проверка гипотезы однородности двух выборок (критерий Вилксона).
Методы повышения качества данных (Робастные методы статистического оценивания).
Методы многомерной классификации.
Задания к практическим занятиям.
Список литературы.
Приложение.
Способы измерения информации и представления информации.
Многомерные статистические данные. Наблюдения, объекты и признаки.
Математическое и табличное представление многомерных данных.
Виды измерительных шкал.
Простейшие способы моделирования данных.
Зачем нужно моделировать данные.
Моделирование данных с помощью функции СЛЧИС().
Моделирование данных равномерного распределения.
Простейший способ моделирования нормальной случайной величины.
Моделирование законов распределения случайных величин средствами Excel.
Предварительный анализ данных.
Расчет средних значений и дисперсии одномерного признака.
Диапазон значений признака.
Расчет частотного ряда признака.
Графическое представление данных. Гистограмма.
Предварительный анализ многомерных данных. Диаграмма рассеивания.
Моделирование данных в более сложных случаях.
Метод неравномерной рулетки.
Метод отбраковки.
Моделирование многомерного нормального распределения.
Методы преобразования данных.
Нормировка значений признака.
Преобразование измерительных шкал.
Проверка статистических гипотез.
Принцип решения задач проверки статистических гипотез.
Сглаживание эмпирических данных теоретической функцией плотности.
Непараметрический критерий оценки зависимости признаков.
Проверка гипотезы равенства средних двух выборок (t-критерий).
Дисперсионный анализ — классификация по одному признаку (F-критерий).
Проверка гипотезы однородности двух выборок (критерий Вилксона).
Методы повышения качества данных (Робастные методы статистического оценивания).
Методы многомерной классификации.
Задания к практическим занятиям.
Список литературы.
Приложение.