Меню
Главная
Авторизация/Регистрация
 
Главная

Краткий курс лекций по дисциплине
«Анализ данных»




СОДЕРЖАНИЕ


Оценивание параметров линейной модели регрессии и анализ свойств оценок Основные понятия и задачи снижения размерности Кластерный анализ, непараметрическая классификация без обученияПримеры первичных данных Иерархические алгоритмы, использующие понятие порога Статистическая проверка гипотез для одномерной совокупности Параметрический дискриминантый анализ в случае нормальных классовПримеры количественных дискретных данных Модели стационарных временных рядов Оценивание параметров регрессии Иерархические кластер-процедуры Оценка канонических корреляций и канонических величин Выборка из генеральной совокупности Компонентный анализ Нормирование (стандартизация) и унификация данных Примеры количественных непрерывных данных Определение интервальной оценки для условного математического ожидания Классификация данных по способу их получения Введение в анализ временных данных. Методы сглаживания временных данных и моделирования тенденции развития Статистическое оценивание параметров генеральных совокупностей Оценки на основе порядковых статистик Канонические корреляции и канонические величины генеральной совокупности Статистическое оценивание параметров одномерных совокупностей Классификация многомерных наблюдений Основные понятия Основные понятия и определения кластерного анализа Показатели динамики временных рядов Основные понятия Предварительный анализ временных данных Корреляционный анализ Корреляционный анализ взаимосвязи качественных признаковПримеры многомерных данныхПримеры пространственно-временных данныхПримеры моментных временных данных Статистическая проверка гипотез для многомерных генеральных совокупностей Анализ одномерных категориальных данныхПримеры интервальных временных данных Регрессионные модели с фиктивными переменными Классификация с обучением. Дискриминантный анализ Классификация данных по типу шкалы измерения признака Основные числовые характеристики одномерных количественных данных Предварительный анализ данных. Описательная статистика Параметрическая классификация без обучения. Декомпозиция смесей вероятностных распределенийПримеры категориальных порядковых данных Построение оптимальных (байесовских) процедур классификации Расстояние между объектами (кластерами) и меры близости групп объектов Оценки параметров многомерной генеральной совокупности Двумерная линейная модель регрессии Нелинейные модели регрессии и их линеаризация Классификация данных но числу переменных Порядковые данные Генеральная и выборочная совокупности Анализ временных данныхПримеры пространственных данных Характеристики одномерной генеральной совокупности Пример построения регрессионной модели себестоимости продукции Многомерное шкалирование Классификация статистических данных Основные понятия корреляционного анализа Функции потерь и вероятности неправильной классификации Основные понятия Множественная линейная модель регрессии Корреляционный анализ взаимосвязи количественных признаков Примеры решения задач Регрессионный анализ фондоотдачи Пример параметрической модели классификации Критерии классификации данных Снижение размерности признакового пространства Прогнозирование с помощью показателей динамики Распределение генеральной совокупности Построение интервального вариационного ряда для непрерывных количественных данных Применение адаптивных моделей, основанных на экспоненциальном сглаживании, для краткосрочного прогнозирования Группировка дискретных количественных данных Характеристики многомерной генеральной совокупности Многомерная нормально распределенная генеральная совокупность Статистическая проверка гипотез о параметрах генеральной совокупности Особенности задач многомерной классификации Статистический анализ и прогнозирование сезонных колебаний во временных данных Модель регрессии в случае двумерной нормальной генеральной совокупности Эвристические методы снижения размерности Методология применения моделей AR1MA Анализ одномерных количественных данных Итерационные алгоритмы классификации. Номинальные данные Проверка значимости уравнения и коэффициентов регрессии Регрессионный анализ Аномальные значения. Методы обнаружения засорения выборки Определение интервальной оценки для Использование моделей авторегрессии – проинтегрированного скользящего среднего (моделей ARIMA) Непараметрические модели распределенийПримеры одномерных данных Классификация данных по наличию или отсутствию упорядочения во времени Устойчивые параметрические методы оценивания Характеристики генеральной совокупности Факторный анализ Оценки методами бутстреп-анализа Робастное оценивание параметров и непараметрические модели генеральной совокупности Определение интервальной оценки и проверка значимости Доверительные интервалы для параметров регрессионной моделиПримеры вторичных данныхПримеры категориальных номинальных данных Общая постановка задачи расщепления смеси вероятностных распределений и алгоритм ее выполнения Функционалы качества разбиения
 
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