|
Анализ данных
|
Скачать 36.71 Kb.
Дата |
01.10.2016 |
Размер |
36.71 Kb. |
|
Анализ данных
-
Цели и задачи анализа данных, характеризующих социально-экономические явления и процессы. Общая характеристика и классификация методов обработки и анализа экономической информации.
-
Основные технологические этапы анализа данных, их назначение и краткая характеристика.
-
Представление исходных данных в виде матрицы «объекты-свойства». Основные задачи, решаемые в процессе качественного анализа данных: информативное описание данных, группировка (классификация) данных, анализ взаимосвязи свойств данных, распознавание образов.
-
Вариационные ряды данных, числовые характеристики рядов.
-
Методы визуализации вариационных рядов: полигоны, гистограммы, кумуляты, огивы. Анализ свойств данных на основе гистограмм.
-
Цели и задачи дескриптивного анализа данных в экономических исследованиях. Типы экономических задач, решаемых с применением методов дескриптивного анализа.
-
Основные описательные статистики: средние величины и показатели вариации, способы их расчета. Правило сложения дисперсий, его применение.
-
Теоретические и эмпирические кривые распределения. Показатели формы распределения. Критерии согласия.
-
Автоматизация дескриптивного анализа на основе статистических пакетов прикладных программ (ППП).
-
Генеральная и выборочная совокупности. Способы формирования выборочных совокупностей. Понятие об ошибках выборки. Методика расчета средней и предельной ошибок выборки. Определение необходимой численности выборки.
-
Понятие «статистическая гипотеза». Основные виды статистических гипотез в экономических исследованиях. Статистические критерии проверки гипотез. Понятие «уровень значимости». Этапы проверки статистических гипотез.
-
Практическое применение методов статистического вывода в экономических исследованиях и прикладных задачах.
-
Понятие «корреляционная взаимосвязь данных». Цели и зада-
-
чи корреляционного и регрессионного анализа в экономических
-
исследованиях и задачах.
-
Типы экономических задач, решаемых с применением методов корреляционно-регрессионного анализа.
-
Корреляционный анализ количественных показателей. Параметрические методы определения тесноты и направления связи показателей.
-
Коэффициент детерминации, линейный коэффициент корреля ции. Оценка их значимости на основе критериев Фишера и Стьюдента.
-
Частные коэффициенты корреляции.
-
Корреляционный анализ качественных показателей. Ранговые коэффициенты корреляции Спирмена и Кендалла.
-
Классическая модель регрессионного анализа, условия ее корректного применения.
-
Проверка состоятельности коэффициентов регрессии: критерий Стьюдента, бета-коэффициенты.
-
Проверка состоятельности регрессионной модели в целом: критерий Фишера,
-
коэффициент детерминации.
-
Проверка наличия автокорреляции: критерий Дарбина–Уотсона.
-
Метод пошагового регрессионного анализа. Отбор наиболее существенных факторов для включения в модель. Использование фиктивных переменных.
-
Практическое применение методов регрессионного моделирования в задачах изучения взаимосвязей показателей.
-
Понятие «ряды динамики», их виды.
-
Аналитические показатели изменения уровней ряда: абсолютный прирост, темп роста, темп прироста, абсолютное значение одного процента прироста.
-
Расчет средних показателей в рядах динамики.
-
Методы выявления основной тенденции (тренда) в рядах динамики.
-
Измерение колеблемости в рядах динамики. Выявление и измерение сезонных колебаний. Индексы сезонности.
-
Интерполяция и экстраполяция в рядах динамики.
-
Прогнозирование уровней динамических рядов на основе среднего абсолютного прироста, среднего темпа роста и метода аналитического выравнивания.
-
Прогнозирование при наличии сезонной компоненты.
-
Типы экономических задач, решаемых с применением методов многомерного статистического анализа.
-
Цели и задачи кластерного анализа. Выбор переменных для кластерного анализа. Нормирование значений переменных. Расстояние между объектами и меры близости. Расстояние между классами объектов.
-
Основные типы кластер-процедур: иерархические процедуры, параллельные процедуры, последовательные кластер-процедуры.
-
Интерпретация кластеров. Оценка надежности и достоверности результатов анализа.
-
Цели и задачи факторного анализа. Необходимость факторизации (сокращения количества) переменных.
-
Метод главных компонент. Определение числа факторов. Интерпретация факторов. Повышение интерпретируемости факторов с помощью метода «варимакс».
-
Назначение методов Data mining. Свойства знаний, обнаруживаемых в данных.
-
Виды моделей представленных знаний в Data mining.
-
Задачи Data mining, их классификация. Общая характеристика задач классификации объектов, поиска ассоциативных правил, кластеризации. Их практическое применение.
-
Предсказательные и описательные модели Data mining.
-
Методы Data mining: базовые методы, нечеткая логика, генетические алгоритмы, нейронные сети.
-
Технология Data mining. Этапы интеллектуального анализа данных.
-
Подготовка исходных данных. Программные средства Data mining
|
|
|