- •Компьютерный анализ данных
- •Введение
- •1. Способы измерения информации и представления данных.
- •1.1. Многомерные статистические данные. Наблюдения, объекты и признаки. Математическое и табличное представление многомерных данных
- •1.2. Виды измерительных шкал
- •2. Простейшие способы моделирования данных
- •2.1. Зачем нужно моделировать данные
- •2.2. Моделирование данных с помощью функции слчис()
- •2.3. Моделирование данных равномерного распределения
- •2.4. Простейший способ моделирования нормальной случайной величины
- •2.5. Моделирование законов распределения случайных величин средствами excel
- •3. Предварительный анализ данных одномерных признаков
- •3.1. Расчет средних значений и дисперсии одномерного признака
- •3.2. Диапазон значений признака
- •3.3. Расчет частотного ряда признака
- •3.4. Графическое представление данных. Гистограмма.
- •3.5. Предварительный анализ многомерных данных. Диаграмма рассеивания
- •4. Моделирование данных в более сложных случаях
- •4.1. Метод неравномерной рулетки
- •4.2. Метод отбраковки
- •4.3. Моделирование многомерного нормального распределения.
- •5. Методы преобразования данных
- •5.1. Нормировка значений признака
- •5.2. Преобразование измерительных шкал
- •6. Проверка статистических гипотез
- •6.1. Принцип решения задач проверки статистических гипотез
- •6.2. Сглаживание эмпирических данных теоретической функцией плотности ( )
- •6.3. Непараметрический критерий оценки зависимости признаков ( )
- •6.4. Проверка гипотезы равенства средних двух выборок (t - критерий)
- •6.5. Дисперсионный анализ –классификация по одному признаку (f - критерий)
- •6.6. Проверка гипотезы однородности двух выборок (критерий Вилксона)
- •7. Методы многомерной Классификации
- •7.1. Постановка задачи
- •7.2. Меры сходства объектов многомерной выборки
- •7.3. Меры сходства групп объектов (классов)
- •7.3. Иерархический метод классификации
- •7.4. Классификация многомерных наблюдений методом k - средних
- •Практическое № 2 Предварительный анализ - одномерных признаков
- •Практическое № 3 Предварительный анализ - многомерных данных
- •Практическое № 4 Метод неравномерной рулетки
- •Практическое № 5 Метод отбраковки
- •Практическое № 6
- •Практическое № 7 Методы преобразования данных
- •Практическое № 8 Проверка гипотезы о согласии эмпирических данных теоретическому закону распределения.
- •Практическое № 9 Непараметрический критерий оценки зависимости признаков
- •Практическое № 10 Проверка гипотезы равенства средних двух выборок (t - критерий)
- •Практическое № 11 Дисперсионный анализ – классификация по одному признаку (f - критерий)
- •Практическое № 12 Проверка гипотезы однородности двух выборок (критерий Вилксона)
- •Практическое № 13 Расчет матриц сходства объектов выборки
- •Практическое № 14 Иерархический метод классификации
- •Практическое № 15 Классификация выборки методом k - средних
- •Список рекомендуемой литературы
- •Содержание
Содержание
Введение |
3 |
|
|
1. Способы измерения информации и представления информации |
5 |
Математическое и табличное представление многомерных данных |
5 |
1.2. Виды измерительных шкал |
5 |
|
|
2. Простейшие способы моделирования данных |
7 |
2.1. Зачем нужно моделировать данные |
7 |
2.2. Моделирование данных с помощью функции СЛЧИС() |
8 |
2.3. Моделирование данных равномерного распределения |
9 |
2.4. Простейший способ моделирования нормальной случайной величины |
11 |
2.5. Моделирование законов распределения случайных величин средствами EXCEL |
13 |
|
|
3. Предварительный анализ данных |
15 |
3.1. Расчет средних значений и дисперсии одномерного признака |
15 |
3.2. Диапазон значений признака |
16 |
3.3. Расчет частотного ряда признака |
18 |
3.4. Графическое представление данных. Гистограмма |
21 |
3.5. Предварительный анализ многомерных данных. Диаграмма рассеивания |
24 |
|
|
4. Моделирование данных в более сложных случаях |
32 |
4.1. Метод неравномерной рулетки |
32 |
4.2. Метод отбраковки |
36 |
4.3. Моделирование многомерного нормального распределения |
40 |
|
|
5. Методы преобразования данных |
49 |
5.1. Нормировка значений признака |
49 |
5.2. Преобразование измерительных шкал |
51 |
|
|
6. Проверка статистических гипотез |
53 |
6.1. Принцип решения задач проверки статистических гипотез |
53 |
6.2. Сглаживание эмпирических данных теоретической функцией плотности ( ) |
56 |
6.3. Непараметрический критерий оценки зависимости признаков ( ) |
61 |
6.4. Проверка гипотезы равенства средних двух выборок (t - критерий) |
66 |
6.5. Дисперсионный анализ – классификация по одному признаку (F - критерий) |
72 |
6.6. Проверка гипотезы однородности двух выборок (критерий Вилксона) |
80 |
|
|
7. Методы многомерной классификации |
85 |
7.1. Постановка задачи |
85 |
7.2. Меры сходства объектов многомерной выборки |
85 |
7.3. Меры сходства групп объектов (классов) |
|
7.4. Иерархический метод классификации |
|
7.5. Классификация многомерных наблюдений методом k - средних |
|
7.6. Классификация многомерных наблюдений методм - KRAB |
|
7.7. Критерии качества разбиения выборки на классы |
|
|
|
8. Методы повышения качества данных (Робастные методы статистического оценивания) |
|
9. Задания к практическим занятиям |
|
Список литературы |
|
Приложение |
|