Лекции по курсу

«Анализ и обработка экспериментальных данных»

С.В.Ерин

Тема №1. Источники и структуры данных.

Введение. Современные проблемы обработки экспериментальных данных. Этапы анализа данных: планирование и сбор данных, предварительная обработка данных, оценка неизвестной величины, построение моделей и оценка гипотез. Источники данных. Структура данных и шкалы физических величин. Программы для обработки данных.

Тема №2. Базовые понятия обработки экспериментальных данных.

Основные законы распределения случайных величин: равномерное, нормальное, экспоненциальное, Лапласа, Хи-квадрат, Стьюдента, Пуассона, биноминальное. Их назначение. Основные статистические (числовые) характеристики: минимум, максимум, среднее, дисперсия, стандартное отклонение, медиана, квартили, эксцесс, асимметрия. Генеральная совокупность. Выборка. Вариационный ряд. Относительная частота. Эмпирическая функция распределения. Гистограмма. Полигон.

1. Общая характеристика экспериментальных данных

1.1 Источники и вид представления экспериментальных данных

ВВЕДЕНИЕ. СОВРЕМЕННЫЕ ПРОБЛЕМЫ

ОБРАБОТКИ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ

ТЕМА 1

1.1. Введение

Предметом изучения данного курса являются методы обработки и анализа экспериментальных данных.

Мы непрерывно перерабатываем информацию, которая поступает из окружающего мира. Причём, количество разнообразной информации быстро растёт. Поэтому, без адекватных технологий обработки и анализа данных сложно выжить в жестокой информационной среде, не имея возможности принять правильное решение.

Конечно, развитие компьютерных и информационных технологий обусловило появление целого ряда программных комплексов, которые помогают обрабатывать информацию.

Такие коммерческие пакеты прикладных программ, как: Mathcad, MatLab, Statistica, Matematica или свободно распостраняемые- Scilab, Octavia позволяют решать практически любую, возникающую в практической деятельности задачу. Но каждый инструмент имеет свою область применения и условия, в которых он используется. Поэтому, крайне важно, чтобы пользователь этих пакетов умел формулировать задачу и чётко понимать условия их применения. Решение прикладных задач немыслимо без фундаментальной подготовки специалиста в области методов анализа экспериментальных данных.

Обработка и анализ различных данных являются необходимым этапом при принятии управленческого решения в любой области деятельности.

Мощные компьютеры, информационные технологии, развитый аппарат прикладной математики обеспечивают выработку обоснованных рекомендаций по принятию конкретного решения.

В общем виде процедура выработки рекомендаций по принятию решения может быть сведена к следующей триаде:

1) Разработке средствами математического моделирования

формализованной математической модели, с помощью которой должно

приниматься решение на основании содержательного существа проблемы и с

учетом всех существенных ограничений и имеющихся эмпирических данных,

создающих основу принимаемого решения.

2) Выбору из арсенала средств прикладной математики метода

обработки данных с использованием уже построенной их математической

модели и разработкой соответствующего алгоритмического обеспечения.

3) Машинной реализации разработанных алгоритмов и передача

получаемых рекомендаций заинтересованным лицам.