Научно исследовательский Иркутский Государственный технический университет

Ю.П. Хрусталев

МЕТОДЫ ОБРАБОТКИ ДАННЫХ

Методические указания к лабораторным и контрольным работам для студентов заочной формы обучения специальностей:

230101 “Вычислительные машины, комплексы, системы и сети ”.

Иркутск – 2011

Рецензент: докт. техн. наук, проф. кафедры автоматизированных систем НИУ ИрГТУ А.В. Петров

Методы обработки данных: программа и контрольные задания для студентов заочной формы обучения специальности 230101 “Вычислительные машины, комплексы, системы и сети ”

Ю.П. Хрусталев. Иркутск: Изд-во ИрГТУ, 2011. 32 с.

Соответствует Государственному образовательному стандарту направления 654600 “Информатика и вычислительная техника”

Рассмотрены статистические методы обработки результатов измерений. Методические указания содержат описание и методику выполнения двух контрольных работ

• методы получения оценок;

• построение линейной регрессионной модели с одной независимой переменной.

Методы получения оценок параметров распределений по результатам измерений представлены МНК-оценками (оценками метода наименьших квадратов) и устойчивыми (робастными) оценками. Основы регрессионного анализа представлены одной работой, содержание и анализ простейшей регрессионной модели – модели с одной независимой переменной. В предлагаемом пособии дано краткое теоретическое введение в указанные разделы, приведены задания на работы и рассмотрена методика их выполнения.

Фрагменты MathCAD-программ позволяют достаточно просто освоить методику решения поставленных задач.

Методические указания состоят из двух работ, содержат 32 страницы текста и 4 таблицы. Список литературы содержит 7 наименований.

Редактор

Подписано в печать 08.12.2010. Формат бумага офсетная, печать трафаретная. Усл. печ. л. 2, 25. Тираж 100 экз. зак. 15. Поз. плана 117

Лицензия ИД № 06506 от 26.12.2001

Иркутский государственный технический университет

664074, г. Иркутск, ул. Лермонтова, 83

Введение Цели и задачи дисциплины:

Информационные технологии обеспечивают возможность принятия правильных решений в процессах управления технологическими объектами, в управленческой деятельности, в экономике, на транспорте и т.д. Решения принимаются на основе информации об объекте. В большинстве случаев эта информация представляет собой результаты наблюдений за состоянием системы. Результаты измерений, априорная информация, справочные сведения и т.д. – все это, с точки зрения информационных технологий, понимается как исходные данные, подлежащие обработке. Поскольку данные относятся к объектам различного назначения, то и методы их обработки существенно отличаются в зависимости от свойств объектов, целей исследований и используемого математического аппарата. Вряд ли правомерно говорить о методах обработки данных как о какой-то единой дисциплине. Этот курс правильнее рассматривать как множество подходов, направленных на достижение поставленной цели. Цель исследований и применяемые методы определяются самим исследователем.

Так как в технических системах большинство данных представлено результатами измерений, то в первой части курса рассматриваются вопросы обработки измерительной информации и, главным образом, методы оценивания параметров. Учитывая специфику специальностей, для которых читается курс, серьезное внимание уделяется методам помехоустойчивого оценивания. Вторая часть курса посвящена вопросам отыскания закономерностей, связывающих различные величины, т.е. вопросам построения математических моделей по эмпирическим данным. Для решения этой задачи используется многомерный регрессионный анализ, названный профессором Дж. Тьюки «методом века».

Основными целями преподавания дисциплины являются:

• Изучение источников возникновения погрешностей результатов измерений.

• Изучение методов получения оптимальных оценок по результатам измерений.

• Освоение практических методов получения МНК-оценок.

• Освоение методов получения помехоустойчивых оценок.

• Изучение методов регрессионного анализа.

• Освоение практических методов построения регрессионных моделей.

• Получение навыков работы с типовыми системами обработки данных (ППП «STATISTICA» и др.).

Основная задача дисциплины в конечном счете состоит в формировании у студентов понимания роли и методов обработки экспериментальных данных, используемых в информационных системах и системах автоматического (автоматизированного) управления, основой которых являются вычислительные системы. В процессе изучения дисциплины “Методы обработки данных “ студент должен приобрести следующие знания и умения, необходимые для дальнейшего профессионального становления. Студент, изучивший дисциплину, должен:

знать:

• источники погрешностей результатов измерений;

• методы получения оценок измеряемых параметров по экспериментальным данным;

• методы помехоустойчивого оценивания;

• методы получения интервальных оценок;

• методы отбраковки «выбросов»;

• методы построения линейной регрессии;

• методы оценивания качества регрессионной модели;

• методы определения наиболее информативных факторов;

• методы пошаговой регрессии.

иметь представление:

• о статистических методах построения динамических регрессионных моделей;

• о критериях качества получаемых остаточных членов;

• о методах нелинейной регрессии;

• о методах спектрального анализа.

уметь:

• оценивать погрешности прогнозов, получаемых по построенной модели;

• пользоваться пакетом прикладных программ;

• определять наиболее значимые факторы;

• разрабатывать алгоритмы обработки измерительной информации;

• создавать действующие программы обработки данных.