01 КАСЮК С. Т. ПЕРВИЧНЫЙ, КЛАСТЕРНЫЙ, РЕГРЕССИОННЫЙ И ДИСКРИМИНАНТНЫЙ АНАЛИЗ ДАННЫХ СПОРТИВНОЙ МЕДИЦИНЫ НА КОМПЬЮТЕРЕ
.pdfНазвание группы |
|
Англоязычный интерфейс |
Русскоязычный интерфейс |
|
инструментов |
|
пакета STATISTICA 10 |
пакета STATISTICA 10 |
|
Группа Manage |
|
|
|
|
(Управление) со- |
|
|
||
держит |
средства |
|
|
|
управления дан- |
|
|
||
ными |
|
|
|
|
|
|
|
|
|
Группа Mode |
|
|
|
|
(Режим) |
содержит |
|
|
|
средства |
задания |
|
|
|
режимов работы |
с |
|
|
|
данными |
|
|
|
|
|
|
|
|
|
Вкладка Help (Справка)
Группа Help
(Справка) содер-
жит средства получения справочной информации
Группа Support
(Поддержка) со-
держит средства получения технической поддержки
Группа About
(О программе) со-
держит средство вывода информации о программе
151
Приложение Б
Критерий Шапиро-Уилка;
p-квантили статистики критерия W для p = α = 0,01 и 0,05
n |
|
p |
|
n |
|
p |
||
0,01 |
|
0,05 |
|
0,01 |
|
0,05 |
||
|
|
|
|
|
||||
|
|
|
|
|
26 |
0,891 |
|
0,920 |
|
|
|
|
|
27 |
0,891 |
|
0,920 |
|
|
|
|
|
28 |
0,896 |
|
0,924 |
|
|
|
|
|
29 |
0,898 |
|
0,926 |
|
|
|
|
|
30 |
0,900 |
|
0,927 |
|
|
|
|
|
31 |
0,902 |
|
0,929 |
|
|
|
|
|
32 |
0,904 |
|
0,930 |
8 |
0,741 |
|
0,818 |
|
33 |
0,906 |
|
0,931 |
9 |
0,764 |
|
0,829 |
|
34 |
0,910 |
|
0,933 |
10 |
0,781 |
|
0,842 |
|
35 |
0,910 |
|
0,934 |
11 |
0,792 |
|
0,850 |
|
36 |
0,912 |
|
0,935 |
12 |
0,805 |
|
0,859 |
|
37 |
0,914 |
|
0,936 |
13 |
0,814 |
|
0,866 |
|
38 |
0,916 |
|
0,938 |
14 |
0,825 |
|
0,874 |
|
39 |
0,917 |
|
0,939 |
15 |
0,835 |
|
0,881 |
|
40 |
0,919 |
|
0,940 |
16 |
0,844 |
|
0,887 |
|
41 |
0,920 |
|
0,941 |
17 |
0,851 |
|
0,892 |
|
42 |
0,922 |
|
0,942 |
18 |
0,858 |
|
0,897 |
|
43 |
0,923 |
|
0,943 |
19 |
0,863 |
|
0,901 |
|
44 |
0,924 |
|
0,944 |
20 |
0,868 |
|
0,905 |
|
45 |
0,926 |
|
0,945 |
21 |
0,873 |
|
0,908 |
|
46 |
0,927 |
|
0,945 |
22 |
0,878 |
|
0,911 |
|
47 |
0,928 |
|
0,946 |
23 |
0,881 |
|
0,914 |
|
48 |
0,929 |
|
0,947 |
24 |
0,884 |
|
0,916 |
|
49 |
0,929 |
|
0,947 |
25 |
0,888 |
|
0,918 |
|
50 |
0,930 |
|
0,947 |
|
|
152 |
|
|
|
|
Приложение В
Критические значения для наибольшего отклонения эмпирического распределения от теоретического (критерий Колмогорова)
n |
α = 0,05 |
α = 0,01 |
n |
α = 0,05 |
α = 0,01 |
n |
α = 0,05 |
α = 0,01 |
1 |
0,97500 |
0,99500 |
35 |
0,22425 |
0,26897 |
69 |
0,16088 |
0,19303 |
2 |
0,84189 |
0,92929 |
36 |
0,22119 |
0,26532 |
70 |
0,15975 |
0,19167 |
3 |
0,70760 |
0,82900 |
37 |
0,21826 |
0,26180 |
71 |
0,15864 |
0,19034 |
4 |
0,62394 |
0,73424 |
38 |
0,21544 |
0,25843 |
72 |
0,15755 |
0,18903 |
5 |
0,56328 |
0,66853 |
39 |
0,21273 |
0,25518 |
73 |
0,15649 |
0,18776 |
6 |
0,51926 |
0,61661 |
40 |
0,21012 |
0,25205 |
74 |
0,15544 |
0,18650 |
7 |
0,48342 |
0,57581 |
41 |
0,20760 |
0,24904 |
75 |
0,15442 |
0,18528 |
8 |
0,45427 |
0,54179 |
42 |
0,20517 |
0,24613 |
76 |
0,15442 |
0,18528 |
9 |
0,43001 |
0,51332 |
43 |
0,20283 |
0,24332 |
77 |
0,15342 |
0,18408 |
10 |
0,40925 |
0,48893 |
44 |
0,20056 |
0,24060 |
78 |
0,15244 |
0,18290 |
11 |
0,39122 |
0,46770 |
45 |
0,19837 |
0,23798 |
79 |
0,15147 |
0,18174 |
12 |
0,37543 |
0,44905 |
46 |
0,19625 |
0,23544 |
80 |
0,15052 |
0,18060 |
13 |
0,36143 |
0,43247 |
47 |
0,19420 |
0,23298 |
81 |
0,14868 |
0,17840 |
14 |
0,34890 |
0,41762 |
48 |
0,19221 |
0,23059 |
82 |
0,14779 |
0,17732 |
15 |
0,33760 |
0,40420 |
49 |
0,19028 |
0,22828 |
83 |
0,14691 |
0,17627 |
16 |
0,32733 |
0,39201 |
50 |
0,18841 |
0,22604 |
84 |
0,14605 |
0,17523 |
17 |
0,31796 |
0,38086 |
51 |
0,18659 |
0,22386 |
85 |
0,14520 |
0,17421 |
18 |
0,30936 |
0,37062 |
52 |
0,18482 |
0,22174 |
86 |
0,14437 |
0,17321 |
19 |
0,30143 |
0,36117 |
53 |
0,18311 |
0,21968 |
87 |
0,14355 |
0,17223 |
20 |
0,29408 |
0,35241 |
54 |
0,18144 |
0,21768 |
88 |
0,14274 |
0,17126 |
21 |
0,28724 |
0,34427 |
55 |
0,17981 |
0,21574 |
89 |
0,14195 |
0,17031 |
22 |
0,28087 |
0,33666 |
56 |
0,17823 |
0,21384 |
90 |
0,14117 |
0,16938 |
23 |
0,27490 |
0,32954 |
57 |
0,17669 |
0,21199 |
91 |
0,14040 |
0,16846 |
24 |
0,26931 |
0,32286 |
58 |
0,17519 |
0,21019 |
92 |
0,13965 |
0,16755 |
25 |
0,26404 |
0,31657 |
59 |
0,17373 |
0,20844 |
93 |
0,13891 |
0,16666 |
26 |
0,25907 |
0,31064 |
60 |
0,17231 |
0,20673 |
94 |
0,13818 |
0,16579 |
27 |
0,25438 |
0,30502 |
61 |
0,17091 |
0,20506 |
95 |
0,13746 |
0,16493 |
28 |
0,24993 |
0,29971 |
62 |
0,16956 |
0,20343 |
96 |
0,13675 |
0,16408 |
29 |
0,24571 |
0,29466 |
63 |
0,16823 |
0,20184 |
97 |
0,13606 |
0,16324 |
30 |
0,24170 |
0,28987 |
64 |
0,16603 |
0,20029 |
98 |
0,13537 |
0,16242 |
31 |
0,23788 |
0,28530 |
65 |
0,16567 |
0,19877 |
99 |
0,13469 |
0,16161 |
32 |
0,23424 |
0,28094 |
66 |
0,16443 |
0,19729 |
100 |
0,13403 |
0,16081 |
33 |
0,23076 |
0,27677 |
67 |
0,16322 |
0,19584 |
|
|
|
34 |
0,22743 |
0,27279 |
68 |
0,16204 |
0,19442 |
|
|
|
|
|
|
|
153 |
|
|
|
|
Приложение Г
Таблица значений χ2 распределения Пирсона
Число |
|
Уровень значимости α |
|
|
|||
степеней |
0,1 |
0,05 |
0,02 |
0,01 |
0,005 |
0,001 |
|
свободы k |
|||||||
|
|
|
|
|
|
||
1 |
2,706 |
3,841 |
5,412 |
6,635 |
7,879 |
10,827 |
|
2 |
4,605 |
5,991 |
7,824 |
9,210 |
10,597 |
13,815 |
|
3 |
6,251 |
7,815 |
9,837 |
11,345 |
12,838 |
16,268 |
|
4 |
7,779 |
9,488 |
11,668 |
13,277 |
14,860 |
18,465 |
|
5 |
9,236 |
11,070 |
13,388 |
15,086 |
16,750 |
20,517 |
|
6 |
10,645 |
12,592 |
15,033 |
16,812 |
18,548 |
22,457 |
|
7 |
12,017 |
14,067 |
16,622 |
18,475 |
20,278 |
24,322 |
|
8 |
13,362 |
15,507 |
18,168 |
20,090 |
21,955 |
26,125 |
|
9 |
14,684 |
16,919 |
19,679 |
21,666 |
23,589 |
27,877 |
|
10 |
15,987 |
18,307 |
21,161 |
23,209 |
25,188 |
29,588 |
|
11 |
17,275 |
19,675 |
22,618 |
24,725 |
26,757 |
31,264 |
|
12 |
18,549 |
21,026 |
24,054 |
26,217 |
28,300 |
32,909 |
|
13 |
19,812 |
22,362 |
25,472 |
27,688 |
29,819 |
34,528 |
|
14 |
21,064 |
23,685 |
26,873 |
29,141 |
31,319 |
36,123 |
|
15 |
22,307 |
24,996 |
28,259 |
30,578 |
32,801 |
37,697 |
|
16 |
23,542 |
26,296 |
29,633 |
32,000 |
34,267 |
39,252 |
|
17 |
24,769 |
27,587 |
30,995 |
33,409 |
35,718 |
40,790 |
|
18 |
25,989 |
28,869 |
32,346 |
34,805 |
37,156 |
42,312 |
|
19 |
27,204 |
30,144 |
33,687 |
36,191 |
38,582 |
43,820 |
|
20 |
28,412 |
31,410 |
35,020 |
37,566 |
39,997 |
45,315 |
|
21 |
29,615 |
32,671 |
36,343 |
38,932 |
41,401 |
46,797 |
|
22 |
30,813 |
33,924 |
37,659 |
40,289 |
42,796 |
48,268 |
|
23 |
32,007 |
35,172 |
38,968 |
41,638 |
44,181 |
49,728 |
|
24 |
33,196 |
36,415 |
40,270 |
42,980 |
45,558 |
51,179 |
|
25 |
34,382 |
37,652 |
41,566 |
44,314 |
46,928 |
52,620 |
|
26 |
35,563 |
38,885 |
42,856 |
45,642 |
48,290 |
54,052 |
|
27 |
36,741 |
40,113 |
44,140 |
46,963 |
49,645 |
55,476 |
|
28 |
37,916 |
41,337 |
45,419 |
48,278 |
50,993 |
56,893 |
|
29 |
39,087 |
42,557 |
46,693 |
49,588 |
52,336 |
58,302 |
|
30 |
40,256 |
43,773 |
47,962 |
50,892 |
53,672 |
59,703 |
|
|
|
|
154 |
|
|
|
Приложение Д
Критические точки F-pacпpeделения Фишера, α = 0,05
|
|
|
|
|
k1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k2 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
1161,45 199,50 215,71 224,58 230,16 233,99 236,77 238,88 140,54
218,513 19,000 19,164 19,247 19,296 19,330 19,353 19,371 19,385
310,128 9,5521 9,2766 9,1172 9,0135 8,9406 8,8868 8,8452 8,8123
47,7086 6,9443 6,5914 6,3883 6,2560 6,1631 6,0942 6,0410 5,9988
56,6079 5,7861 5,4095 5,1922 5,0503 4,9503 4,8759 4,8183 4,7725
65,9874 5,1433 4,7571 4,5337 4,3874 4,2839 4,2066 4,1468 4,0990
75,5914 4,7374 4,3468 4,1203 3,9715 3,8660 3,7870 3,7257 3,6767
85,3177 4,4590 4,0662 3,8378 3,6875 3,5806 3,5005 3,4381 3,3881
95,1174 4,2565 3,8626 3,6331 3,4817 3,3738 3,2927 3,2296 3,1789
10 4,9646 4,1028 3,7083 3,4780 3,3258 3,2172 3,1355 3,0717 3,0204
11 4,8443 3,9823 3,5874 3,3567 3,2039 2,0946 3,0123 2,9480 2,8962
12 4,7472 3,8853 3,4903 3,2592 3,1059 2,9961 2,9134 2,8486 2,7964
13 4,6672 3,8056 3,4105 3,1791 3,0254 2,9153 2,8321 2,7669 2,7144
14 4,6001 3,7389 3,3439 3,1122 2,9582 2,8477 2,7642 2,6987 2,6458
15 4,5431 3,6823 3,2974 3,0556 2,9013 2,7905 2,7066 2,6408 2,5876
16 4,4940 3,6337 3,2389 3,0069 2,8524 2,7413 2,6572 2,5911 2,5377
17 4,4513 3,5915 3,1968 2,9647 2,8100 2,6987 2,6143 2,5480 2,4943
18 4,4139 3,5546 3,1599 2,9277 2,7729 2,6613 2,5767 2,5102 2,4563
19 4,3808 3,5219 3,1274 2,8951 2,7401 2,6283 2,5435 2,4768 2,4227
20 4,3513 3,4928 3,0984 2,8661 2,7109 2,5990 2,5140 2,4471 2,3928
21 4,3248 3,4668 3,0725 2,8401 2,6848 2,5727 2,4876 2,4205 2,3661
22 4,3009 3,4434 3,0491 2,8167 2,6613 2,5491 2,4638 2,3965 2,3419
23 4,2793 3,4221 3,0280 2,7955 2,6400 2,5277 2,4422 2,3748 2,3201
24 4,2597 3,4028 3,0088 2,7763 2,6207 2,5082 2,4226 2,3551 2,3002
25 4,2417 3,3852 2,9912 2,7587 2,6030 2,4904 2,4047 2,3371 2,2821
26 4,2252 3,3690 3,9751 2,7426 2,5868 2,4741 2,3883 2,3205 2,2655
27 4,2100 3,3541 2,9604 2,7278 2,5719 2,4591 2,3732 2,3053 2,2501
28 4,1960 3,3404 2,9467 2,7141 2,5581 2,4453 2,3593 2,2913 2,2360
29 4,1830 3,3277 2,9340 2,7014 2,5454 2,4324 2,3463 2,2782 2,2229
30 4,1709 3,3158 2,9223 2,6896 2,5336 2,4205 2,3343 2,2662 2,2107
40 4,0848 3,2317 2,8387 2,6060 2,4495 2,3359 2,2490 2,1802 2,1240
60 4,0012 3,1504 2,7581 2,5252 2,3683 2,2540 2,1665 2,0970 2,0401
120 3,9201 3,0718 2,6802 2,4472 2,2900 2,1750 2,0867 2,0164 1,9588
∞3,8415 2,9957 2,6049 2,3719 2,2141 2,0986 2,0096 1,9384 1,8799
155
Критические точки F-pacпpeделения Фишера, α = 0,01
|
|
|
|
|
k1 |
|
|
|
|
k2 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
14052,2 4999,5 5403,3 5624,6 5763,7 5859,0 5928,3 5981,1 6022,5
298,503 99,000 99,166 99,249 99,299 99,332 99,356 99,374 99,388
334,116 30,817 29,457 28,457 28,237 27,911 27,672 27,489 27,345
421,198 18,000 16,694 15,977 15,522 15,207 14,976 14,799 14,659
516,258 13,274 12,060 11,392 10,967 10,672 10,456 10,289 10,158
613,745 10,925 9,7795 9,1483 8,7459 8,4661 8,2600 8,1016 7,9761
712,246 9,5466 8,4513 7,8467 7,4604 7,1914 6,9928 6,8401 6,7188
811,259 8,6491 7,5910 7,0060 6,6318 6,3707 6,1776 6,0289 5,9106
910,561 8,0215 6,9919 6,4221 6,0569 5,8018 5,6129 5,4671 5,3511
10 10,044 7,5594 6,5523 5,9943 5,6363 5,3858 5,2001 5,0567 4,9424
11 9,6460 7,2057 6,2167 5,6683 5,3160 5,0692 4,8861 4,7445 4,6315
12 9,3302 6,9266 5,9526 5,4119 5,0643 4,8206 4,6395 4,4994 4,3875
13 9,0738 6,7010 5,7394 5,2053 4,8616 4,6204 4,4410 4,3021 4,1911
14 8,8616 6,5149 5,5639 5,0354 4,6950 4,4558 4,2779 4,1399 4,0297
15 8,6831 6,3589 5,4170 4,8932 4,5556 4,3183 4,1415 4,0045 3,8948
16 8,5310 6,2262 5,2922 4,7726 4,4374 4,2016 4,0259 3,8896 3,7804
17 8,3997 6,1121 5,1850 4,6690 4,3359 4,1015 3,9267 3,7910 3,6822
18 8,2854 6,0129 5,0919 4,5790 4,2479 4,0146 3,8406 3,7054 3,5971
19 8,1850 5,9259 5,0103 4,5003 4,1708 3,9386 3,7653 3,6305 3,5225
20 8,0960 5,8489 4,9382 4,4307 4,1027 3,8714 3,6987 3,5644 3,4567
21 8,0166 5,7804 4,8740 4,3688 4,0421 3,8117 3,6396 3,5056 3,3981
22 7,9454 5,7190 4,8166 4,3134 3,9880 3,7583 3,5867 3,4530 3,3458
23 7,8811 5,6637 4,7649 4,2635 3,9392 3,7102 3,5390 3,4057 3,2986
24 7,8229 5,6136 4,7181 4,2184 3,8951 3,6667 3,4959 3,3629 3,2560
25 7,7698 5,5680 4,6755 4,1774 3,8550 3,6272 3,4568 3,3239 3,2172
26 7,7213 5,5263 4,6366 4,1400 3,8183 3,5911 3,4210 3,2884 3,1818
27 7,6767 5,4881 4,6009 4,1056 3,7848 3,5580 3,3882 3,2558 3,1494
28 7,6356 5,4529 4,5681 4,0740 3,7539 3,5276 3,3581 3.2259 3,1195
29 7,5976 5,4205 4,5378 4,0449 3,7254 3,4995 3,3302 3,1982 3,0920
30 7,5625 5,3903 4,5097 4,0179 3,6990 3,4735 3,3045 3,1726 3,0665
40 7,3141 5,1785 4,3126 3,8283 3,5138 3,2910 3,1238 2,9930 2,8876
60 7,0771 4,9774 4,1259 3,6491 3,3389 3,1187 2,9530 2.8233 2,7185
120 6,8510 4,7865 3,9491 3,4796 3,1735 2,9559 2,7918 2,6629 2,5586
∞ 6,6349 4,6052 3,7816 3,3192 3,0173 2,8020 2,6393 2,5113 2,4073
156
Приложение Е
Критические точки распределения Стьюдента
Число |
|
|
|
|
|
|
|
степеней |
Уровень значимости α (двусторонняя критическая область) |
||||||
свободы |
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
0,10 |
0,05 |
0,02 |
0,01 |
0,002 |
0,001 |
||
|
|||||||
|
|
|
|
|
|
|
|
1 |
6,31 |
12,7 |
31,82 |
63,7 |
318 3 |
637,0 |
|
2 |
2,92 |
4,30 |
6,97 |
9,98 |
22,33 |
31,6 |
|
3 |
2,35 |
3,18 |
4,64 |
5,84 |
10 22 |
12,9 |
|
4 |
2,13 |
2,78 |
3,75 |
4,60 |
7,17 |
8,61 |
|
5 |
2,01 |
2,57 |
3,37 |
4,03 |
5,89 |
6,86 |
|
6 |
1,94 |
2,45 |
3,14 |
3,71 |
5,21 |
5,96 |
|
7 |
1,89 |
2,36 |
3,00 |
3,50 |
4,79 |
5,40 |
|
8 |
1,86 |
2,31 |
2,90 |
3,36 |
4,50 |
5,04 |
|
9 |
1,83 |
2,26 |
2,82 |
3,25 |
4 30 |
4,78 |
|
10 |
1,81 |
2,23 |
2,76 |
3,17 |
4,14 |
4 59 |
|
11 |
1,80 |
2,20 |
2 72 |
3,11 |
4,03 |
4,44 |
|
12 |
1,78 |
2,18 |
2,68 |
3,05 |
3,93 |
4,32 |
|
13 |
1,77 |
2,16 |
2,65 |
3,01 |
3,85 |
4,22 |
|
14 |
1,76 |
2 14 |
2,62 |
2,98 |
3,79 |
4,14 |
|
15 |
1,75 |
2,13 |
2,6 |
2,95 |
3,75 |
4,07 |
|
16 |
1,75 |
2,12 |
2,58 |
2,92 |
3,69 |
4,04 |
|
17 |
1,74 |
2,11 |
2,57 |
2,90 |
3,65 |
3,96 |
|
18 |
1,73 |
2,10 |
2,55 |
2,88 |
3,61 |
3,92 |
|
19 |
1,73 |
2,09 |
2,54 |
2,86 |
3,58 |
3,88 |
|
20 |
1,73 |
2,09 |
2,53 |
2,85 |
3,55 |
3,85 |
|
21 |
1,72 |
2,08 |
2,52 |
2,83 |
3,53 |
3,82 |
|
22 |
1,72 |
2,07 |
2,51 |
2,82 |
3,51 |
3,79 |
|
23 |
1,71 |
2,07 |
2,50 |
2,81 |
3,49 |
3,77 |
|
24 |
1,71 |
2,06 |
2,49 |
2,80 |
3,47 |
3,74 |
|
25 |
1,71 |
2,06 |
2,49 |
2,79 |
3,45 |
3,72 |
|
26 |
1,71 |
2,06 |
2,48 |
2,78 |
3,44 |
3,71 |
|
27 |
1,71 |
2,05 |
2,47 |
2,77 |
3,42 |
3,69 |
|
28 |
1,70 |
2,05 |
2,46 |
2,76 |
3,40 |
3,66 |
|
29 |
1,70 |
2,05 |
2,46 |
2,76 |
3,40 |
3,66 |
|
30 |
1,70 |
2,04 |
2,46 |
2,75 |
3,39 |
3,65 |
|
40 |
1,68 |
2,02 |
2,42 |
2,70 |
3,31 |
3,55 |
|
60 |
1,67 |
2,00 |
2,39 |
2,66 |
3,23 |
3,46 |
|
120 |
1,66 |
1,98 |
2,36 |
2,62 |
3,17 |
3,37 |
|
∞ |
1,64 |
1,96 |
2,33 |
2,58 |
3,09 |
3,29 |
|
|
|
|
157 |
|
|
|
Приложение Ж
Список вопросов к зачету по компьютерной обработке данных экспериментальных исследований
1 Технология анализа данных на компьютере. Модель. Моделирование. Цель моделирования. Виды моделей. Свойства моделей.
2 Аналитический и информационный подходы к моделированию. Аналитические модели. Основные этапы построения аналитической модели. Адекватность модели. Информационные модели. Модель «черный ящик».
3 Принципы анализа данных. Общая схема анализа данных. Эксперт. Гипотеза. Аналитик.
4 Основные этапы моделирования.
5 Подготовка и сбор данных для анализа. Основные принципы и методы сбора данных. Требования к данным.
6 Технологии KDD и Data Mining. Основные этапы KDD. Задачи, решаемые методами Data Mining.
7 Программные пакеты статистического анализа данных. Основные задачи, решаемые в статистических пакетах.
8 Первичный анализ данных в статистических пакетах. Основные описательные статистики: медиана, границы доверительного интервала для среднего, размах, выборочная дисперсия, стандартное отклонение, мода, стандартная ошибка, выборочный коэффициент асимметрии, стандартная ошибка коэффициента асимметрии, выборочный коэффициент эксцесса, стандартная ошибка эксцесса.
9 Первичный анализ данных в статистических пакетах. Диаграммы: диаграммы частотного распределения, столбчатая или колончатая диаграмма, круговая диаграмма, гистограмма, точечный график. Форма частотного распределения: унимодальное (симметричное, скошенное вправо, скошенное влево), бимодальное, равномерное. Нормальное распределение. Преобразование переменных: логарифмическое преобразование, преобразование квадратного корня, обратное преобразование, квадратное преобразование.
10 Первичный анализ данных в статистических пакетах. Проверка гипотезы нормальности распределения по критерием Колмогорова–Смирнова, Шапиро– Уилка и Хи-квадрат Пирсона.
11 Кластерный анализ данных. Цель кластеризации. Меры расстояния: Евклидово расстояние, расстояние Манхэттена.
12Кластерный анализ. Алгоритм k-средних.
13Кластерный анализ. Алгоритм древовидной кластеризации.
14Проблемы алгоритмов кластеризации. Выбор числа кластеров. Правила проведения кластеризации.
158
15 Классификация данных. Цель классификации. Математическая постановка задачи классификации. Методы классификации.
16 Классификация данных. Предположения при проведении классификации. Апостериорные и априорные вероятности классификации. Основные параметры: статистика Уилкса, F-статистика, расстояние Махаланобиса.
17 Линейный дискриминантный анализ Фишера. Линейные классификационные функции.
18 Канонический дискриминантный анализ. Канонические линейные дискриминантные функции.
19 Регрессионный анализ данных. Цель анализа. Основные понятия: метод наименьших квадратов, линия регрессии, уравнение регрессии, коэффициенты регрессии, стандартная ошибка оценивания, коэффициент детерминации, среднеквадратическая ошибка, коэффициент корреляции, F-критерий Фишера, проверка остатков на нормальность.
20 Методика проведения регрессионного анализа данных. Проверка адекватности регрессионной модели. Предположения об ошибке ε для регрессионной модели. Анализ остатков. Гистограмма распределения остатков: тест Колмогоро- ва-Смирнова.
21 Использование линейных и нелинейных регрессионных моделей.
22 Множественный регрессионный анализ данных. Оценка значимости множественной регрессионной модели. Методы отбора переменных в регрессионные модели: метод прямого выбора, метод обратного исключения, метод последовательного отбора, метод поиска лучших подмножеств, метод всех возможных регрессий.
23 Ограничения применения регрессионных моделей. Оценка удаленных остатков. Влияние выбросов на адекватность модели.
24 Нейронные сети. Структура и принцип работы нейронных сетей. Основные свойства нейронных сетей. Структура биологического нейрона. Искусственные нейронные сети.
25 Нейронные сети. Структура искусственного нейрона. Архитектура нейронной сети. Многослойный персептрон. Сеть радиальных базисных функций. Взвешенная сумма входов нейрона. Активационная функция нейрона.
26 Нейронные сети. Выбор числа нейронов в многослойном персептроне. Проблема переобучения нейронной сети. Контрольная кросс-проверка.
27 Обучение нейронных сетей. Локальные и глобальный минимум ошибки сети. Алгоритмы обучения нейронных сетей. Градиентные методы обучения нейронных сетей. Методы глобальной оптимизации. Метод градиентного спуска. Коэффициент скорости обучения. Алгоритм обратного распространения ошибки. Эпохи обучения. Момент.
28 Сети Кохонена. Процедуры обучения сетей Кохонена: конкуренция, объединение, подстройка весов. Обучение сети Кохонена.
159
29 Решение задачи классификации в нейронных сетях. Стратегии построения нейросетевых моделей. Обучающая подвыборка. Контрольная подвыборка. Тестовая подвыборка. Выбор функций активации. Обучение сетей. Алгоритмы обучения. Интерактивное обучение. Анализ результатов обучения: архитектура сети, процент правильной классификации сети, ошибки классификации, анализ чувствительности, описательные статистики, лифтовые карты.
30 Множественный регрессионный анализ данных в нейронных сетях. Стратегии построения нейросетевых моделей. Обучающая подвыборка. Контрольная подвыборка. Тестовая подвыборка. Выбор числа нейронов на скрытом слое. Выбор функций активации. Обучение сетей. Алгоритмы обучения. Интерактивное обучение. Анализ результатов обучения: архитектура сети, обучающая производительность, контрольная производительность, тестовая производительность, ошибка обучения, алгоритм обучения.
160