Розглянуто принципи побудови інформаційної системи статистики України, а також місце, можливості та засоби роботи окремого користувача. Наведено конкретну технологію реалізації широкого спектра статистичних методів. З метою надання допомоги щодо коректного тлумачення користувачем здобутих результатів реалізація методів широко ілюструється прикладами з економіки, соціології, біології, медицини, наведеними в публікаціях авторитетних вітчизняних та зарубіжних авторів. Наголошується на умовах застосування того чи іншого методу, порівнюються можливості різних програмних засобів у разі розв'язування однієї й тієї самої задачі. Детально проаналізовано статистичний пакет прикладних програм STATISTICA.

Розглянуто важливі поняття математичної статистики та основні відомості, необхідні для аналізу даних, на прикладах задач із використанням пакетів прикладних програм. Окрему увагу приділено засобам дискримінантного, дисперсійного аналізів, а також аналізу часових рядів та іншим засобам, які часто використовуються в прикладних задачах.

Розкрито основні поняття математичної статистики, викладено основні відомості, необхідні на практиці для аналізу даних. На прикладах розглянуто основні постановки задач з використанням пакетів прикладних програм. Значну увагу приділено засобам дискримінантного і дисперсійного аналізів тимчасових рядів та іншим засобам, що часто використовуються у прикладних задачах.

Детально розглядається реалізація класичних економетричних моделей за допомогою широко відомого статистичного пакета STATGRAPHICS. Поруч з традиційними економетричними моделями (проста лінійна регресія, багатофакторна регресія) розглядаються також окремі методи прогнозування (методи ковзкої середньої, експоненційного згладжування, сезонної декомпозиції). Дано загальне уявлення про можливості деяких найбільш відомих зарубіжних (TSP, E. VIEWS, SPSS, SAS, BMDP, MINITAB та ін.) і вітчизняних (МЕЗОЗАВР, САНИ, СИГАМБД та ін.) пакетів, які використовуються для розв'язку статистичних та економетричних задач, подано їхні головні характеристики.

Висвітлюються особливості роботи з пакетом прикладних програм Статграф. Детально на прикладах розібрано алгоритми багатовимірного статистичного аналізу: головних і множинних компонент, факторного, кластерного та дискримінантного аналізів, канонічних кореляцій. Розглянуто перспективну методику складання прогнозуючих моделей Бокса - Дженкінса.

Наведено процедури кореляційного аналізу: парну, часткову та множинну кореляцію, коефіцієнти сполучень, оцінки зв'язаності. Основну увагу приділено відтворенню лінійних і нелінійних регресійних залежностей. Викладено основи багатовимірного регресійного та факторного аналізів. Узагальнено досвід створення практичного програмного забезпечення процедур прикладного статистичного аналізу.

Подано визначення абстрактної експертної системи і з'ясування кола задач, які вона реалізує. Показано, що будь-яку експертну систему можна вважати сукупністю реалізації абстрактної експертної системи і відповідного інтерфейсу. Аналізатор статистичних залежностей (АСЗ) - одна з можливих реалізацій такої системи, він дозволяє працювати з неповною недостеменною інформацією, яка містить протиріччя. Наведено приклад розв'язання задачі прогнозу з використанням АСЗ.

Рассмотрен инструментарий для решения задач, требующих использования статистических методов. Описаны методы проверки гипотез о равенствесредних выборок и дисперсиях, наличия связи между факторами (корреляционного и дисперсионного анализов, анализа таблиц сопряженности), методы классификации (кластерного и дискриминантного анализа) и получения зависимостей (регрессивного анализа и анализа временных рядов). Рассмотрены методы анализа выживаемости, последовательного анализа. Проанализированы особенности применения метода пробит-анализа для оценивания эффективных (летальных) доз и коэффициентов кумуляции. Приведены теоретические сведения, базовые понятия, необходимые для решения задач с использованием Microsoft Excel. Рассмотрены типичные ошибки, возникающие при применении статистических методов, а также способы, позволяющие их избежать.

Розглянуто основні методики й інструменти компьютерної обробки даних у соціальних науках, проблеми здійснення статистичного аналізу за допомогою пакетів MS EXCEL і SPSS. Висвітлено питання дескриптивної статистики, особливості кореляційного, однофакторного дисперсійного, регресійного, факторного, кластерного та дискримінантного аналізу.

Рассмотрены основные методики и инструменты компьютерной обработки данных в социальных науках, проблемы осуществления статистического анализа при помощи пакетов MS EXCEL и SPSS. Освещены вопросы дескриптивной статистики, особенности корреляционного, однофакторного дисперсного, регрессионного, факторного, кластерного и дискриминантного анализа.

Викладено теоретичні відомості та розглянуто комп'ютерні технології (КТ) для основних методів статистичної обробки даних (СОД). Проведено кореляційний, регресійний і дисперсійний аналіз існуючих програм і пакетів СОД. Запропоновано класифікацію пакетів СОД. Розкрито зміст понять про генеральну сукупність і вибірку, розподіл випадкових величин, повний факторний експеримент, центральне композиційне планування. Висвітлено особливості перевірки статистичних гіпотез, підготовки даних у пакеті STATISTICA. На прикладах вирішення конкретних задач з різних галузей науки та техніки показано використання КТ.

Изложены теоретические сведения и рассмотрены компьютерные технологии (КТ) для основных методов статистической обработки данных (СОД). Проведен корреляционный, регрессионный и дисперсионный анализ существующих программ и пакетов СОД. Предложена классификация пакетов СОД. Раскрыто содержание понятий о генеральной совокупности и выборке, распределении случайных величин, полном факторном эксперименте, центральном композиционном планировании. Освещены особенности проверки статистических гипотез, подготовки данных в пакете STATISTICA. На примерах решения конкретных задач из различных отраслей науки и техники показано применение КТ.

Розглянуто методи прикладного статистичного аналізу даних. Описано властивості та методи одержання оцінок, визначено показники точності оцінювання. Висвітлено питання перевірки статистичних гіпотез, лінійні регресійні моделі, коефіцієнти подібності бінарних змінних, гіпотези про розподіл частот.

Рассмотрены методы прикладного статистического анализа данных. Изучены свойства и методы получения оценок, определены показатели точности оценок. Освещены вопросы проверки статистических гипотез, линейные регрессионные модели, коэффициенты подобия бинарных переменных, гипотезы о распределении частот.

Изучены динамические ряды макроэкономических показателей с точки зрения их структурных внутренних особенностей с использованием моделей авторегрессии и проинтегрированного скользящего среднего в пакете Statistica 6. В последующем предполагается продолжить анализ временных рядов в направлении выявления взаимосвязей между различными экономическими рядами и построения прогностических и имитационных моделей макроэкономических процессов.

Рассмотрена задача повышения рентабельности алгоритмов статического анализа. Ключевой проблемой формальных методов верификации является избыточность исходного текста программы для верификации конкретного ее свойства. В этой связи возникает необходимость элиминации избыточного кода. Эта задача, как и задачи исследования свойств программы, решается с использованием консервативных методов. Показано, как избыточная консервативность снижает рентабельность сертификации такого программного обеспечения. Предложен и алгоритмически реализован метод снижения консервативности алгоритмов статического анализа на примере алгоритма поиска достигающих определений.

Висвітлено інструментарій пакетів MS Excel, SPSS та Statistica для обчислення параметрів розподілів випадкової величини (ВВ), виконання параметричного та непараметричного порівняння двох і більше зв'язаних та незв'язаних вибірок, зокрема, одно- та двофакторного дисперсійного аналізу, процедури обчислення коефіцієнтів кореляції та регресії. Наведено критерії порівняння емпіричних розподілів і перевірки їх ВВ, виконання дискримінантного та кластерного аналізу, інструментарій для графічного подання результатів і засоби формування звітів.

Освещены инструментарий пакетов MS Excel, SPSS та Statistica для вычисления параметров распределений случайной величины (СВ), выполнения параметрического и непараметрического сравнения двух и более связанных и несвязанных выборок, в частности, одно- и двухфакторного дисперсионного анализа, процедуры вычисления коэффициентов корреляции и регрессии. Приведены критерии сравнения эмпирических распределений и проверки их СВ, выполнения дискриминантного и кластерного анализа, инструментарий для графического предоставления результатов и средства формирования отчётов.

Изложены теоретические основы компьютерной статистики. Рассмотрены воспросы статистического измерения связей между признаками. Показаны возможности применения для статических расчетов табличного процессора Microsoft Excel, системы Mathcad, а также свободного программного обеспечения Open Office. Уделено внимание корреляционному и регрессионному анализу, рядам динамики, основам теории индексов, вопросам экономической статистики.

Запропоновано систему статистичної обробки даних, що використовується під час атестації стандартних зразків. В основу роботи системи покладені методи, які дозволяють підвищити точність оцінювання метрологічних характеристик стандартних зразків. Наведено структурну схему системи та опис її програмного забезпечення. Показано, що застосування системи дозволяє автоматизувати обчислення на всіх етапах атестації, підвищити достовірність оцінювання складових від неоднорідності та нестабільності, точність оцінювання розширеної невизначеності.

Індекс рубрикатора НБУВ: В172.5 + З973-018.122

Рубрики:

Непараметричні задачі

Комп'ютери та програмування

Шифр НБУВ: Ж23887 Пошук видання у каталогах НБУВ 

Викладено інформаційну технологію математичного моделювання первинних джерел інформації із застосуванням програмного пакета STATISTICA. Показано переваги викладеного методу в порівнянні з традиційним підходом, який базується на застосуванні окремих прикладних програм.

Зазначено, що проблеми статистичних обчислень пов'язані з обсягом і багатомірністю даних, їх різноманітністю і високою швидкістю, та вимагають нових поглядів на парадигми статистичних та обчислювальних методів. Проаналізовано основні проблеми, пов'язані з використанням традиційних статистичних методів для аналізу багатовимірних даних, і показано сфери їх застосування. Розглянуто останні методичні досягнення в галузі статистики щодо аналізу великих даних.

Рассмотрено применение метода деревья решений к проблеме анализа данных и прогнозирования. Обработка данных базируется на реальных наблюдениях уровня продаж групп товаров на протяжении 2006 - 2009 гг. R (язык программирования и программная среда) используется в качестве инструмента для статистических вычислений. Работа содержит сравнение с общеизвестными подходами и возможные пути повышения точности полученных результатов.