Меню
Главная
Авторизация/Регистрация
 
Главная

Краткий курс лекций по дисциплине
«Анализ данных»




СОДЕРЖАНИЕ


Использование моделей авторегрессии – проинтегрированного скользящего среднего (моделей ARIMA) Оценивание параметров линейной модели регрессии и анализ свойств оценок Эвристические методы снижения размерности Компонентный анализ Статистическая проверка гипотез для одномерной совокупности Характеристики одномерной генеральной совокупности Классификация многомерных наблюдений Статистическая проверка гипотез о параметрах генеральной совокупности Группировка дискретных количественных данных Многомерная нормально распределенная генеральная совокупность Основные понятия корреляционного анализа Двумерная линейная модель регрессии Оценивание параметров регрессии Основные понятия и определения кластерного анализа Итерационные алгоритмы классификации. Снижение размерности признакового пространстваПримеры категориальных порядковых данныхПримеры пространственных данныхПримеры количественных непрерывных данных Выборка из генеральной совокупности Нормирование (стандартизация) и унификация данных Аномальные значения. Методы обнаружения засорения выборки Основные понятия Робастное оценивание параметров и непараметрические модели генеральной совокупности Классификация данных по наличию или отсутствию упорядочения во времени Кластерный анализ, непараметрическая классификация без обучения Факторный анализ Регрессионный анализ фондоотдачи Нелинейные модели регрессии и их линеаризация Оценки на основе порядковых статистик Классификация статистических данныхПримеры одномерных данных Применение адаптивных моделей, основанных на экспоненциальном сглаживании, для краткосрочного прогнозирования Анализ одномерных количественных данных Модели стационарных временных рядов Корреляционный анализ взаимосвязи качественных признаков Пример параметрической модели классификации Оценка канонических корреляций и канонических величин Статистический анализ и прогнозирование сезонных колебаний во временных данных Основные понятия Определение интервальной оценки и проверка значимости Множественная линейная модель регрессииПримеры количественных дискретных данных Корреляционный анализ Многомерное шкалирование Особенности задач многомерной классификации Оценки методами бутстреп-анализа Канонические корреляции и канонические величины генеральной совокупности Параметрический дискриминантый анализ в случае нормальных классов Устойчивые параметрические методы оценивания Классификация данных по типу шкалы измерения признака Непараметрические модели распределений Расстояние между объектами (кластерами) и меры близости групп объектов Статистическое оценивание параметров одномерных совокупностей Характеристики многомерной генеральной совокупностиПримеры интервальных временных данных Анализ одномерных категориальных данных Предварительный анализ временных данных Регрессионные модели с фиктивными переменными Классификация данных по способу их полученияПримеры моментных временных данных Построение интервального вариационного ряда для непрерывных количественных данных Основные понятия и задачи снижения размерностиПримеры первичных данных Модель регрессии в случае двумерной нормальной генеральной совокупности Примеры решения задач Критерии классификации данных Предварительный анализ данных. Описательная статистика Проверка значимости уравнения и коэффициентов регрессии Классификация данных но числу переменных Генеральная и выборочная совокупности Регрессионный анализ Анализ временных данных Статистическая проверка гипотез для многомерных генеральных совокупностей Распределение генеральной совокупности Иерархические алгоритмы, использующие понятие порога Статистическое оценивание параметров генеральных совокупностей Методология применения моделей AR1MA Иерархические кластер-процедуры Классификация с обучением. Дискриминантный анализ Общая постановка задачи расщепления смеси вероятностных распределений и алгоритм ее выполнения Оценки параметров многомерной генеральной совокупности Доверительные интервалы для параметров регрессионной модели Функции потерь и вероятности неправильной классификации Характеристики генеральной совокупностиПримеры категориальных номинальных данных Примеры пространственно-временных данныхПримеры многомерных данных Прогнозирование с помощью показателей динамики Определение интервальной оценки для условного математического ожидания Основные числовые характеристики одномерных количественных данных Функционалы качества разбиения Корреляционный анализ взаимосвязи количественных признаков Номинальные данные Порядковые данные Построение оптимальных (байесовских) процедур классификации Основные понятия Введение в анализ временных данных. Методы сглаживания временных данных и моделирования тенденции развития Определение интервальной оценки дляПримеры вторичных данных Пример построения регрессионной модели себестоимости продукции Параметрическая классификация без обучения. Декомпозиция смесей вероятностных распределений Показатели динамики временных рядов
 
Если Вы заметили ошибку в тексте выделите слово и нажмите Shift + Enter
ПОХОЖИЕ СТАТЬИ
 
Предметы
Агропромышленность
Банковское дело
БЖД
Бухучет и аудит
География
Документоведение
Журналистика
Инвестирование
Информатика
История
Культурология
Литература
Логика
Логистика
Маркетинг
Математика, химия, физика
Медицина
Менеджмент
Строительство
Педагогика
Политология
Политэкономия
Право
Психология
Религиоведение
Риторика
Социология
Статистика
Страховое дело
Техника
Товароведение
Туризм
Философия
Финансы
Экология
Экономика
Этика и эстетика