Рекомендуем

Нейронные сети. STATISTICA Neural Networks: Методология и технологии современного анализа данных Нейронные сети. STATISTICA Neural Networks: Методология и технологии современного анализа данных
Методы обработки многомерных данных и временных рядовБольшаков А.А., Каримов Р.Н. Методы обработки многомерных данных и временных рядов
Эконометрика. Решение задач с применением пакета программ GRETLКуфель Тадеуш Эконометрика. Решение задач с применением пакета программ GRETL

Книга

Популярное введение в современный анализ данных в системе STATISTICA + CD-Rom

Учебное пособие для вузов
2016 г.
288 стр.
Тираж 500 экз.
Формат 70x100/16 (170x240 мм)
Исполнение: в мягкой обложке
ISBN 978-5-9912-0326-5
ББК 32.973
УДК 004.9:519.25
Гриф УМО
Допущено УМО по образованию в области прикладной математики и управления качеством в качестве учебного пособия для студентов вузов, обучающихся по направлению подготовки 230400 – «Прикладная математика»
Аннотация
Книга открывает широкому кругу читателей современный анализ данных в программе STATISTICA. STATISTICA (производитель StatSoft, USA) занимает лидирующее положение среди программ анализа данных и имеет сотни тысяч зарегистрированных пользователей в России и мире. На простых, ясных примерах популярно описаны современные методы анализа данных – визуальный анализ и графическое представление данных, описательные статистики, методы классификации и прогнозирования. Классические методы дополнены самым современным инструментарием, включая нейронные сети и DataMining. Читатель знакомится с методами и компьютерными технологиями анализа данных и учится применять их на практике, основной лейтмотив книги – теория неотделима от практики. Для широкого круга читателей, желающих познакомиться с современными методами и компьютерными технологиями анализа данных и их применением в различных областях: экономика, маркетинг, финансы, страхование, промышленность, телекоммуникации, медицина и др. Книга будет особенно полезна студентам и преподавателям вузов при проведении учебных и практических занятий.

Оглавление

ВВЕДЕНИЕ. ПРИГЛАШЕНИЕ В СОВРЕМЕННЫЙ АНАЛИЗ ДАННЫХ НА КОМПЬЮТЕРЕ

ГЛАВА 1. ПЕРВЫЕ ШАГИ В STATISTICA
1.1. Запуск программы
1.2. Рабочее окно STATISTICA: классическое меню или Лента
1.3. Панели инструментов
1.4. Аналитические модули STATISTICA
1.5. Создание файла данных. Пример 1: результаты олимпийских чемпионов
1.6. Пример 2. Импорт газа и топлива в США
1.7. Вычисление дескриптивных статистик исходных данных
1.7.1. Некоторые сведения из элементарной статистики
1.7.2. Вычисление описательных статистик в STATISTICA
1.8. Корреляции: определения и вычисления
1.9. Простейшая визуализация: диаграммы рассеяния и гистограммы
1.9.1. Диаграмма рассеяния
1.9.2. Гистограмма

ГЛАВА 2. ВЕРОЯТНОСТНЫЙ КАЛЬКУЛЯТОР И ВЕРОЯТНОСТНЫЕ РАСПРЕДЕЛЕНИЯ
2.1. Вероятностный калькулятор
2.1.1. Нормальное распределение
2.1.2. Распределение хи-квадрат
2.1.3. t-распределение Стьюдента
2.1.4. Распределение Фишера
2.1.5. Логаримфически-нормальное распределение
2.2. Биномиальное распределение и игровые задачи
2.2.1. Задача о коровах
2.2.2. Задача шевалье де Мере
2.2.3. Измененная задача шевалье де Мере
2.2.4. Еще одна задача игрока
2.2.5. Задачи для самостоятельного решения
2.2.6. Генуэзская лотерея
2.3. Генерация случайных чисел в STATISTICA

ГЛАВА 3. ВИЗУАЛЬНЫЙ АНАЛИЗ ДАННЫХ
3.1. Двумерный визуальный анализ данных
3.1.1. Гистограммы
3.1.2. Диаграммы рассеяния
3.2. Трехмерный визуальный анализ данных

ГЛАВА 4. КЛАССИФИКАЦИЯ ДАННЫХ В STATISTICA
4.1. Обзор метода
4.2. Постановка задачи
4.3. Пример Фишера: классификация цветов ирисов
4.4. Обобщенный дискриминантный анализ

ГЛАВА 5. КЛАСТЕРИЗАЦИЯ: МОДУЛЬ КЛАСТЕРНЫЙ АНАЛИЗ
5.1. Обзор метода
5.2. Постановка адачи, обзор методов
5.3. Модуль Кластерный анализ – технология, пошаговый разбор примера

ГЛАВА 6. РЕГРЕССИОННЫЙ АНАЛИЗ В STATISTICA – МОДУЛЬ МНОЖЕСТВЕННАЯ РЕГРЕССИЯ
6.1. Описание модели
6.2. Метод решения
6.3. Технология регрессионного анализа в STATISTICA
6.4. Пошаговые примеры
6.5. Примеры использования средства кисть для анализа данных
6.6. Задачи для самостоятельного решения

ГЛАВА 7. АНАЛИЗ ВЫЖИВАЕМОСТИ В STATISTICA
7.1. Таблицы жизни
7.2. Оценки Каплана – Мейера
7.3. Сравнение выживаемости в группах
7.4. Регрессионные модели в анализе выживаемости

ГЛАВА 8. АВТОМАТИЗИРОВАННЫЕ НЕЙРОННЫЕ СЕТИ STATISTICA (SANN )
8.1. Основные парадигмы нейронных сетей
8.2. Математические модели
8.3. Обучение и кросс-проверка
8.4. Модель Розентблатта
8.5. Пошаговый пример: прогнозирование временных рядов с помощью нейронных сетей

ГЛАВА 9. DATA MINING – ДОБЫЧА ДАННЫХ
9.1. Этапы работы в Data Mining
9.2. Меню STATISTICA Data Miner
9.3. Средства анализа STATISTICA Data Miner
9.4. Пример проекта в STATISTICA Data Miner

ГЛАВА 10. ПОПУЛЯРНОЕ ВВЕДЕНИЕ В ТЕОРИЮ ВЕРОЯТНОСТЕЙ
10.1. Формула полной вероятности
10.2. Формула Байеса
10.3. Классическое вероятностное рассуждение
10.4. Вероятностные модели в биологии
10.5. Вероятностные модели в телекоме
10.6. Выборочный контроль качества
10.7. Занимательные вероятностные задачи
10.8. Вероятностный подход к задачам классификации

ПРИЛОЖЕНИЕ 1. ЯЗЫК STATISTICA VISUAL BASIC

ПРИЛОЖЕНИЕ 2. ПОДКЛЮЧЕНИЕ К БАЗЕ ДАННЫХ

ПРИЛОЖЕНИЕ 3. ОПЕРАЦИИ СТЕКИНГ И АНСТЕКИНГ

ПРИЛОЖЕНИЕ 4. ГАЛЕРЕЯ ГРАФИКОВ STATISTICA

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ