ОДНОМЕРНЫЙ АНАЛИЗ

В данной главе рассмотрены задачи суммаризации и визуализации для самого простого вида данных, когда признак всего один.

Объясняются понятия гистограммы, центральной точки (центра) и разброса. Изложены две точки зрения па задачу суммаризации: первая — это классическая вероятностная, а вторая — аппроксимационная, в рамках которой разброс данных разложим на объясненную и необъясненную часть.

Разница между количественными и качественными признаками определяется с помощью операции взятия среднего. Для количественных признаков взятие среднего имеет смысл, в то время как для качественных признаков — нет. Э го различие стирается на бинарных признаках, представляющих отдельные категории. Они задаются так называемыми фиктивными переменными, которые можно считать количественными.

Современные вычислительные подходы, такие как имитирующие природу методы и бутстрэппинг для оценки доверительных интервалов, объяснены на отдельных примерах в проектах в конце главы.

В результате изучения данной главы студент будет:

знать

• • понятие гистограммы распределения;
• • характеристики центральности: среднее, медиану, середину размаха, моду;
• • характеристики рассеяния: дисперсию и среднее абсолютное отклонение;
• • характеристики рассеяния номинальных признаков: энтропию и индекс Джини;
• • аппроксимационный смысл характеристик центральности и рассеяния;
• • понятия плотности распределения и механизмов, приводящих к Гауссовому, и степенному распределениям;
• • понятия бутегрэпа и перекрестной валидации как вычислительных способов оценки доверия выборочным характеристикам;

уметь

• • вычислять и визуализировать гистограммы в различных форматах (столбчатые, круговые и пр.);
• • вычислять характеристики центральности и рассеяния признаков;
• • использовать метод бутстрэпа для вычислительной оценки доверительного интервала для среднего значения опорным и безопорным методами;

владеть навыками

• • использования МатЛаба или другой вычислительной среды для вычисления и визуализации гистограмм признаков в различных форматах (столбчатые, круговые и пр.);
• • использования МатЛаба или другой вычислительной среды для вычисления характеристик центральности и рассеяния признаков;
• • использования МатЛаба или другой вычислительной среды для вычислительной оценки доверия среднего значения опорным и безопорным методами бутстрэпа.