Описание структуры и интерфейса базы данных
Для создания базы данных была создана логическая модель базы данных.
Рисунок 1 – Логическая модель данных
В результате создания логической модели базы данных были созданы таблицы.
Рисунок 2 – Атрибуты таблицы «Данные об учёбе»
Таблица абитуриенты, в ней будут располагаться данные, которые абитуриент предоставляет для поступления в вуз.
Рисунок 3 – Атрибуты таблицы «Абитуриенты»
В таблице личная карточка студента хранятся данные по поступлению абитуриента в вуз.
Рисунок 4 – Атрибуты таблицы «Адрес»
В таблице место проживания хранятся данные, о том где проживает студент.
Рисунок 5 – Атрибуты таблицы «Награды»
В таблице награды и секции хранятся все достижения студента до прихода в вуз и в вузе, а также хранится список секций, которые он посещал.
Рисунок 6 – Атрибуты таблицы «Список предметов»
В таблице список предметов хранятся все предметы, которые изучили или буду изучать студенты в ходе своего обучения.
Рисунок 7 – Атрибуты таблицы «Родители»
В таблице данные о родителях хранятся все данные о социальном статусе и месте работы родителей обучаемого.
Рисунок 8 – Атрибуты таблицы «Успеваемость»
В таблице успеваемость хранятся все отметки студента в ходе его обучения.
После создания таблиц была создана схема данных.
Рисунок 9 – Схема данных
Так же были созданы формы для более удобного заполнения данных об абитуриентах.
Рисунок 10 – Форма «Абитуриенты»
Форма абитуриент необходима для заполнения данных об абитуриентах которые собираются поступать в вуз ней будут храниться персональные данные абитуриента в зависимости от того на какую специальность он поступит.
Рисунок 11 – Форма «Награды и секции»
В форма награды и секции будут хранится данные о студенте который посещает дополнительные кружки или секции в вузе, какие он получил за них награды.
Рисунок 12 – Форма «Успеваемость»
В форме успеваемость хранятся данные об оценках студентах на каждый курс обучения. После окончания обучения каждого курса подсчитывается средний балл, чтобы определить какую среднюю оценку получил студент в ходе обучения.
Рисунок 13 – Форма «Адрес»
В форме адрес указывается, где проживает студент.
Так же в базе данные можно посылать запрос на выборку из списка студентов.
Рисунок 14 – Форма «Запрос по параметру»
Рисунок 10 –Запрос «Абитуриенты»
Представлено что если выбрать id студента № 47, то можно получить необходимую информацию о статусе обучения студента.
После создания запроса, для интеллектуального анализа данных необходимо экспортировать файл для его применения. В Access есть несколько видов экспорта. Экспорт в таблицу Excel, экспорт в текстовый файл, экспорт в PDF или XML.
Обоснование методов интеллектуального анализа данных и инструментария для проведения анализа Сравнение двух выборок по успеваемости полученных по разным атрибутам социального статуса
Задача состоит в сравнении двух совокупностей наблюдений (двух выборок) для обнаружения влияния какого-то фактора. Чем, более однороднее, окажутся выборки, чем меньше их случайное различие, тем точнее можно будет дать ответ на вопрос. Для этого может быть использован критерий знаков, критерий Манна-Уитни или критерий знаковых ранговых сумм Уилкоксона. Наиболее часто используются Манна-Уитни и Уилкоксона.
Критерий Манна—Уитни Он основан на попарном сравнении результатов из первой и второй выборок[1]. При этом всякое событие xi < yj, обозначает «успех», а всякое событие xi > yj — «неудачу». Число парных сравнений является статистикой Манна-Уитни.
Задаём уровень значимости α или выберем метод, связанный с определением наименьшего уровня значимости статистики U, который описан ниже. Определяем критическая величина статистки Up (α,n, m).
Обычно значимость выбирается из ряда α из ряда 0.1, 0.05, 0.025,0.01 , 0.005, 0.001.
Рассматривается
гипотеза Н для однородности выработок.
Если случайное отклонение, которое
всегда возможно, выходит за пределы
статической вероятности, то нулевая
гипотеза Н0
отвергается
(1)
выбирается
из специальных таблиц [Тюрин, с.114].
Эта процедура автоматизирована в программе SPSS Statistica.
Критерий Уилкоксона имеет не со знаками случайных величин, а с их рангами[1]. Если обозначить первую выборку х, а вторую у, то в качестве статистики используется сумма рангов для у, которая называется статистика Уилкоксона и обозначается W. Для получения рангов совокупность всех наблюдений следует упорядочить в порядке возрастания. Правило проверки гипотезы H связано с вычислением наименьшего уровня значимости, на котором гипотеза H может быть отвергнута. Для разных альтернатив речь идет о вычислении вероятностей
(2)
Это процедура автоматизирована в SPSS Statistica.
Если предположить, что случайные величины zi , которые ровняются разности между yi и xi являются непрерывными, то можно использовать критерий знаковых ранговых сумм Уилкоксона. Сначала величины z упорядочиваются по возрастанию в общей последовательности с определением рангов для каждого наблюдения. Определяются переменные:
(3)
Затем вычисляется величина T
где, Ri обозначает ранг zi в совместном упорядочении |z1|, . . . , |zn| от меньшего к большему. В дальнейшем T будем называть Tнабл . Гипотезу можно отклонить, если:
где критическое значение t(α, n) удовлетворяет уравнению P(T ≥ t(α, n) |H) = α. Таблицу критических значений можно найти в [1].