Салмин А.А. Анализ данных

Конспект лекций. — Самара: ПГУТИ, 2013. — 111 с.Рассматриваются вопросы анализа данных. Приводятся некоторые из основополагающих методик анализа данных, такие как: регрессионный анализ, корреляция, дисперсионный анализ и др. Отражены вопросы интеллектуального анализа данных, с помощью которого можно выявить ранее неизвестные, нетривиальные закономерности в данных.ВведениеВведение в «Анализ данных»
Работа с данными
Этапы решения задачи анализа данных и их взаимосвязиРаспределение вероятностей
Вероятность
Распределения вероятностей
Случайные переменные и случайные выборки данных
Нормальное распределение
Формула БайесаСтатистика выводов
Доверительные интервалы
Проверка гипотез
- Типы ошибок
- Области принятия и непринятия
- t-распределение
Применение непараметрического теста для парных данныхАнализ табличных данных
Сводные таблицы
Вычисление ожидаемого количества наблюдений
Статистика хи-квадрат ПирсонаОсновы регрессионного анализа
Понятие «регрессия»
Простая линейная взаимосвязь
- Уравнение регрессии
- Подгонка линии регрессии
- Интерпретация параметров регрессии
Проверка модели регрессииКорреляция
Понятие «корреляции»
Матрица корреляции
Матрица точечных диаграмм корреляцийАппарат множественной регрессии
Уравнение множественной регрессии
Проверка допущений регрессии
Пошаговая регрессия
Логистическая регрессия
Нелинейная регрессияДисперсионный анализ
Однофакторный дисперсионный анализ
Однофакторный дисперсионный анализ и анализ регрессии
Двухфакторный дисперсионный анализКогнитивный анализ. Графы
Когнитивный анализ
Методика когнитивного анализа сложных ситуаций
Регрессионно-когнитивный анализИнтеллектуальный анализ данных
Системы аналитической обработки данных
- CRM – технология
- ERP – системы
- OLAP – технология
Интеллектуальный анализ данных (Data Mining)
- Этапы исследования данных с помощью методов Data Mining
- Типы закономерностей
- Методы Data Mining