Методы анализа данных. Примеры задач. Иллюстрации - презентация, доклад, проект скачать

Нажмите для полного просмотра!

Методы анализа данных. Примеры задач. Иллюстрации, слайд №1

Методы анализа данных. Примеры задач. Иллюстрации, слайд №2

Методы анализа данных. Примеры задач. Иллюстрации, слайд №3

Методы анализа данных. Примеры задач. Иллюстрации, слайд №4

Методы анализа данных. Примеры задач. Иллюстрации, слайд №5

Методы анализа данных. Примеры задач. Иллюстрации, слайд №6

Методы анализа данных. Примеры задач. Иллюстрации, слайд №7

Методы анализа данных. Примеры задач. Иллюстрации, слайд №8

Методы анализа данных. Примеры задач. Иллюстрации, слайд №9

Методы анализа данных. Примеры задач. Иллюстрации, слайд №10

Методы анализа данных. Примеры задач. Иллюстрации, слайд №11

Методы анализа данных. Примеры задач. Иллюстрации, слайд №12

Методы анализа данных. Примеры задач. Иллюстрации, слайд №13

Методы анализа данных. Примеры задач. Иллюстрации, слайд №14

Методы анализа данных. Примеры задач. Иллюстрации, слайд №15

Методы анализа данных. Примеры задач. Иллюстрации, слайд №16

Методы анализа данных. Примеры задач. Иллюстрации, слайд №17

Методы анализа данных. Примеры задач. Иллюстрации, слайд №18

Методы анализа данных. Примеры задач. Иллюстрации, слайд №19

Методы анализа данных. Примеры задач. Иллюстрации, слайд №20

Методы анализа данных. Примеры задач. Иллюстрации, слайд №21

Методы анализа данных. Примеры задач. Иллюстрации, слайд №22

Методы анализа данных. Примеры задач. Иллюстрации, слайд №23

Методы анализа данных. Примеры задач. Иллюстрации, слайд №24

Методы анализа данных. Примеры задач. Иллюстрации, слайд №25

Методы анализа данных. Примеры задач. Иллюстрации, слайд №26

Методы анализа данных. Примеры задач. Иллюстрации, слайд №27

Методы анализа данных. Примеры задач. Иллюстрации, слайд №28

Методы анализа данных. Примеры задач. Иллюстрации, слайд №29

Методы анализа данных. Примеры задач. Иллюстрации, слайд №30

Методы анализа данных. Примеры задач. Иллюстрации, слайд №31

Методы анализа данных. Примеры задач. Иллюстрации, слайд №32

Методы анализа данных. Примеры задач. Иллюстрации, слайд №33

Методы анализа данных. Примеры задач. Иллюстрации, слайд №34

Методы анализа данных. Примеры задач. Иллюстрации, слайд №35

Методы анализа данных. Примеры задач. Иллюстрации, слайд №36

Методы анализа данных. Примеры задач. Иллюстрации, слайд №37

Методы анализа данных. Примеры задач. Иллюстрации, слайд №38

Методы анализа данных. Примеры задач. Иллюстрации, слайд №39

Методы анализа данных. Примеры задач. Иллюстрации, слайд №40

Методы анализа данных. Примеры задач. Иллюстрации, слайд №41

Методы анализа данных. Примеры задач. Иллюстрации, слайд №42

Методы анализа данных. Примеры задач. Иллюстрации, слайд №43

Методы анализа данных. Примеры задач. Иллюстрации, слайд №44

Методы анализа данных. Примеры задач. Иллюстрации, слайд №45

Методы анализа данных. Примеры задач. Иллюстрации, слайд №46

Методы анализа данных. Примеры задач. Иллюстрации, слайд №47

Методы анализа данных. Примеры задач. Иллюстрации, слайд №48

Методы анализа данных. Примеры задач. Иллюстрации, слайд №49

Методы анализа данных. Примеры задач. Иллюстрации, слайд №50

Методы анализа данных. Примеры задач. Иллюстрации, слайд №51

Методы анализа данных. Примеры задач. Иллюстрации, слайд №52

Методы анализа данных. Примеры задач. Иллюстрации, слайд №53

Методы анализа данных. Примеры задач. Иллюстрации, слайд №54

Методы анализа данных. Примеры задач. Иллюстрации, слайд №55

Методы анализа данных. Примеры задач. Иллюстрации, слайд №56

Методы анализа данных. Примеры задач. Иллюстрации, слайд №57

Методы анализа данных. Примеры задач. Иллюстрации, слайд №58

Методы анализа данных. Примеры задач. Иллюстрации, слайд №59

Методы анализа данных. Примеры задач. Иллюстрации, слайд №60

Методы анализа данных. Примеры задач. Иллюстрации, слайд №61

Методы анализа данных. Примеры задач. Иллюстрации, слайд №62

Методы анализа данных. Примеры задач. Иллюстрации, слайд №63

Методы анализа данных. Примеры задач. Иллюстрации, слайд №64

Методы анализа данных. Примеры задач. Иллюстрации, слайд №65

Методы анализа данных. Примеры задач. Иллюстрации, слайд №66

Методы анализа данных. Примеры задач. Иллюстрации, слайд №67

Методы анализа данных. Примеры задач. Иллюстрации, слайд №68

Методы анализа данных. Примеры задач. Иллюстрации, слайд №69

Методы анализа данных. Примеры задач. Иллюстрации, слайд №70

Методы анализа данных. Примеры задач. Иллюстрации, слайд №71

Методы анализа данных. Примеры задач. Иллюстрации, слайд №72

Методы анализа данных. Примеры задач. Иллюстрации, слайд №73

Методы анализа данных. Примеры задач. Иллюстрации, слайд №74

Методы анализа данных. Примеры задач. Иллюстрации, слайд №75

Методы анализа данных. Примеры задач. Иллюстрации, слайд №76

Методы анализа данных. Примеры задач. Иллюстрации, слайд №77

Методы анализа данных. Примеры задач. Иллюстрации, слайд №78

Методы анализа данных. Примеры задач. Иллюстрации, слайд №79

Методы анализа данных. Примеры задач. Иллюстрации, слайд №80

Методы анализа данных. Примеры задач. Иллюстрации, слайд №81

Методы анализа данных. Примеры задач. Иллюстрации, слайд №82

Методы анализа данных. Примеры задач. Иллюстрации, слайд №83

Методы анализа данных. Примеры задач. Иллюстрации, слайд №84

Методы анализа данных. Примеры задач. Иллюстрации, слайд №85

Методы анализа данных. Примеры задач. Иллюстрации, слайд №86

Методы анализа данных. Примеры задач. Иллюстрации, слайд №87

Методы анализа данных. Примеры задач. Иллюстрации, слайд №88

Методы анализа данных. Примеры задач. Иллюстрации, слайд №89

Методы анализа данных. Примеры задач. Иллюстрации, слайд №90

Методы анализа данных. Примеры задач. Иллюстрации, слайд №91

Методы анализа данных. Примеры задач. Иллюстрации, слайд №92

Методы анализа данных. Примеры задач. Иллюстрации, слайд №93

Методы анализа данных. Примеры задач. Иллюстрации, слайд №94

Методы анализа данных. Примеры задач. Иллюстрации, слайд №95

Методы анализа данных. Примеры задач. Иллюстрации, слайд №96

Методы анализа данных. Примеры задач. Иллюстрации, слайд №97

Методы анализа данных. Примеры задач. Иллюстрации, слайд №98

Методы анализа данных. Примеры задач. Иллюстрации, слайд №99

Методы анализа данных. Примеры задач. Иллюстрации, слайд №100

Методы анализа данных. Примеры задач. Иллюстрации, слайд №101

Методы анализа данных. Примеры задач. Иллюстрации, слайд №102

Методы анализа данных. Примеры задач. Иллюстрации, слайд №103

Методы анализа данных. Примеры задач. Иллюстрации, слайд №104

Методы анализа данных. Примеры задач. Иллюстрации, слайд №105

Методы анализа данных. Примеры задач. Иллюстрации, слайд №106

Методы анализа данных. Примеры задач. Иллюстрации, слайд №107

Методы анализа данных. Примеры задач. Иллюстрации, слайд №108

Методы анализа данных. Примеры задач. Иллюстрации, слайд №109

Методы анализа данных. Примеры задач. Иллюстрации, слайд №110

Методы анализа данных. Примеры задач. Иллюстрации, слайд №111

Методы анализа данных. Примеры задач. Иллюстрации, слайд №112

Методы анализа данных. Примеры задач. Иллюстрации, слайд №113

Методы анализа данных. Примеры задач. Иллюстрации, слайд №114

Методы анализа данных. Примеры задач. Иллюстрации, слайд №115

Методы анализа данных. Примеры задач. Иллюстрации, слайд №116

Методы анализа данных. Примеры задач. Иллюстрации, слайд №117

Методы анализа данных. Примеры задач. Иллюстрации, слайд №118

Методы анализа данных. Примеры задач. Иллюстрации, слайд №119

Методы анализа данных. Примеры задач. Иллюстрации, слайд №120

Методы анализа данных. Примеры задач. Иллюстрации, слайд №121

Методы анализа данных. Примеры задач. Иллюстрации, слайд №122

Методы анализа данных. Примеры задач. Иллюстрации, слайд №123

Методы анализа данных. Примеры задач. Иллюстрации, слайд №124

Методы анализа данных. Примеры задач. Иллюстрации, слайд №125

Методы анализа данных. Примеры задач. Иллюстрации, слайд №126

Методы анализа данных. Примеры задач. Иллюстрации, слайд №127

Методы анализа данных. Примеры задач. Иллюстрации, слайд №128

Методы анализа данных. Примеры задач. Иллюстрации, слайд №129

Методы анализа данных. Примеры задач. Иллюстрации, слайд №130

Методы анализа данных. Примеры задач. Иллюстрации, слайд №131

Содержание ▲

Вы можете ознакомиться и скачать презентацию на тему Методы анализа данных. Примеры задач. Иллюстрации. Доклад-сообщение содержит 131 слайдов. Презентации для любого класса можно скачать бесплатно. Если материал и наш сайт презентаций Mypresentation Вам понравились – поделитесь им с друзьями с помощью социальных кнопок и добавьте в закладки в своем браузере.

Слайды и текст этой презентации

Слайд 1

Описание слайда:

Методы анализа данных Примеры задач. Иллюстрации Ганелина Наталья Давидовна Кафедра АСУ 12657@211.ru

Слайд 2

Описание слайда:

Структура курса Задачи и методы анализа данных Корреляционный анализ данных Регрессионный анализ данных Поиск ассоциативных взаимосвязей Кластеризация Классификация Снижение размерности многомерного признака. Отбор наиболее информативных показателей. Факторный анализ Исследование и прогнозирование временных рядов

Слайд 3

Описание слайда:

Структура курса Генетические алгоритмы и эволюционное моделирование задач анализа данных Statistica PolyAnalyst SPSS Deductor Excel

Слайд 4

Описание слайда:

БРС Лабораторные работы: 40 баллов РГР: 40 баллов Зачет: 20 баллов «Автомат»: от 77 баллов

Слайд 5

Описание слайда:

Рекомендуемая литература Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности.- М.: Финансы и статистика, 1989. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Основы моделирования и первичная обработка данных. – М.: «Финансы и статистика», 1983. – 471 с. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. Учебник для вузов. – М.: ЮНИТИ, 1998. – 1022 с. Альсова О.К. Решение задач интеллектуального анализа данных на основе вариативного моделирования./Методические указания к лабораторным работам; составитель Альсова О.К. – Новосибирск: Изд-во НГТУ, 2005. – 75 с. Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. Методы и модели анализа данных: OLAP и Data Mining. – Спб.: БХВ-Петербург, 2004. – 336 с. Боровиков В.П. Statistica. Искусство анализа данных на компьютере: Для профессионалов. 2-е изд. – СПб.: Питер, 2003. – 688 с. Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы. – М.: ФИЗМАТЛИТ, 2006. – 320 с.

Слайд 6

Описание слайда:

Рекомендуемая литература

Слайд 7

Описание слайда:

Рекомендуемая литература Бериков В.Б. Анализ статистических данных с использованием деревьев решений: Учебное пособие. – Новосибирск. Изд-во НГТУ, 2002. – 60 с. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. М.: Мир, вып. 1, 1974. – 406 с.; вып. 2 – 197 с. Боровиков В.П., Ивченко Г.И. Прогнозирование в системе Statistica в среде Windows. Основы теории и интенсивная практика на компьютере. Учеб. Пособие. – М.: Финансы и статистика, 1999. – 384 с. Губарев В.В. Интеллектуальный анализ данных и вариативное моделирование в экспериментальных исследованиях.//Информационные системы и технологии. ИСТ, 2001: Сб. научн. статей. – Новосибирск: НГТУ, 2001. – С. 5-25. Губарев В.В. Вероятностные модели / Новосиб. электротехн. ин-т. – Новосибирск, 1992. – Ч.1. – 198 с; Ч.2. – 188 с. Губарев В.В., Альсова О.К. Вариативное моделирование на примере решения прикладной задачи.// ИСТ-2000: Матер. междун. науч.-техн. конф. – Новосибирск, НГТУ, 2000, том 2, С. 285-286. Губарев В.В., Альсова О.К., Швайкова И.Н. Интеллектуальный анализ «данных» и вариативное моделирование с системных позиций.// SCM’2000: International Conference on Soft Computing and Measurements. – Санкт-Петербург, СПб-ГЭТУ, 2000, С. 65-68.

Слайд 8

Описание слайда:

Рекомендуемая литература Дюк В.А., Самойленко А.П. Data Mining: учебный курс. — СПб.: Питер, 2001. – 368 с. Елманова Н. Введение в Data Mining.// Компьютер Пресс 8, 2003, С. 28-39. Кендэл М. Временные ряды. – М.: Финансы и статистика, 1981. – 199 с. Корнеев В.В., Гареев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. – М.: Изд-во Нолидж, 2001. – 496 с. Курейчик В.М., Родзин С.И. Эволюционные алгоритмы: генетическое программирование. Обзор // Известия РАН. ТиСУ. 2002. №1. С. 127-137. Струнков Т. Что такое генетические алгоритмы.//PC Week RE, №19, 1999. Факторный, дискриминантный и кластерный анализ/Пер. с англ. А.М. Хотинского. Под ред. И.С. Енюкова. -М.: Финансы и статистика, 1989. Четыркин Е.М. Статистические методы прогнозирования. – М.: Статистика, 1977. – 199с. Шапот М. Интеллектуальный анализ данных в системах поддержки принятия решений.//Открытые системы, №1, 1998, С. 30-35. Шапот М., Рощупкина В. Интеллектуальный анализ данных и управление процессами.//Открытые системы №4-5, 1998, С. 40-44. Щавелев Л.В. Способы аналитической обработки данных для поддержки принятия решений.// СУБД. - 1998. - № 4-5. Эвоинформатика: Теория и практика эволюционного моделирования./И.Л. Букатова, Ю.И. Михасев, А.М. Шаров. – М.: Наука, 1991. – 206 с.

Слайд 9

Описание слайда:

Рекомендуемая литература Гайдышев И. Анализ и обработка данных: специальных справочник. – Спб.: Питер, 2001. – 752 с. И.Гайдышев. Решение научных и инженерных задач средствами Excel, VBA и C/C++.- СПб.: БХВ-Петербург, 2004. – 504 с.

Слайд 10

Описание слайда:

Иллюстрации Большинство примеров и иллюстраций заимствованы из учебных пособий, представленных в списке рекомендованной литературы. На лекции в обязательном порядке указывается источник.

Слайд 11

Описание слайда:

Признаки

Слайд 12

Описание слайда:

Методы DM

Слайд 13

Описание слайда:

Системы DM

Слайд 14

Описание слайда:

Программное обеспечение анализа данных

Слайд 15

Описание слайда:

Программное обеспечение анализа данных

Слайд 16

Описание слайда:

Пакеты

Слайд 17

Описание слайда:

Слайд 18

Описание слайда:

Слайд 19

Описание слайда:

Слайд 20

Описание слайда:

Слайд 21

Описание слайда:

Слайд 22

Описание слайда:

Слайд 23

Описание слайда:

Слайд 24

Описание слайда:

Слайд 25

Описание слайда:

Дисперсионный анализ Однофакторный дисперсионный анализ для несвязанных выборок Последовательность операций

Слайд 26

Описание слайда:

Дисперсионный анализ Однофакторный дисперсионный анализ для несвязанных выборок Обозначения СК или SS – сумма квадратов SSфакт. – вариативность, обусловленная действием исследуемого фактора SSобщ. – общая вариативность SSсл. – случайная вариативность MS – «средний квадрат» (математическое ожидание суммы квадратов, усредненная величина соответствующих SS) df – число степеней свободы.

Слайд 27

Описание слайда:

Слайд 28

Описание слайда:

Дисперсионный анализ

Слайд 29

Описание слайда:

Дисперсионный анализ

Слайд 30

Описание слайда:

Корреляционный анализ

Слайд 31

Описание слайда:

Корреляционный анализ Коэффициенты корреляции в зависимости от типа переменных

Слайд 32

Описание слайда:

Линия регрессии

Слайд 33

Описание слайда:

Регрессионный анализ

Слайд 34

Описание слайда:

Регрессионный анализ

Слайд 35

Описание слайда:

Регрессионный анализ Пример расчетов

Слайд 36

Описание слайда:

Регрессионный анализ

Слайд 37

Описание слайда:

Регрессионный анализ

Слайд 38

Описание слайда:

Регрессионный анализ

Слайд 39

Описание слайда:

Регрессионный анализ

Слайд 40

Описание слайда:

Регрессионный анализ

Слайд 41

Описание слайда:

Регрессионный анализ

Слайд 42

Описание слайда:

Задание на л/р По результатам статистического исследования физического развития мальчиков 5 лет известно, что их средний рост (х) равен 109 см, а средняя масса тела (у) равна 19 кг. Коэффициент корреляции между ростом и массой тела составляет + 0,9, средние квадратические отклонения представлены в таблице. Требуется: 1) рассчитать коэффициент регрессии; 2) по уравнению регрессии определить, какой будет ожидаемая масса тела мальчиков 5 лет при росте, равном х1 = 100 см, х2 = 110 см, х3= 120 см; 3) рассчитать сигму регрессии, построить шкалу регрессии и предста- вить результаты ее решения в графическом виде; 4) сделать соответствующие выводы.

Слайд 43

Описание слайда:

Задание на л/р

Слайд 44

Описание слайда:

Решение задачи ЭТАПЫ РЕШЕНИЯ ЗАДАЧИ 1. Коэффициент регрессии: Ry/x = rxy х (σy/σx) = +0,9 × (0,8/4,4) = 0,16 кг/см. Таким образом, при увеличении роста мальчиков 5 лет на 1 м масса тела увеличивается на 0,16 кг. 2. Уравнение регрессии: y = My + Ry/x (x – Mx) х1 = 100 см х2 = 110 см х3 = 120 см у1 = 19 + 0,16 (100 – 109) = 17,56 кг у2 = 19 + 0,16 (110 – 109) = 19,16 кг у3 = 19 + 0,16 (120 – 109) = 20,76 кг

Слайд 45

Описание слайда:

Решение

Слайд 46

Описание слайда:

Транзакции

Слайд 47

Описание слайда:

Алгоритм (* [Чубукова])

Слайд 48

Описание слайда:

Алгоритм (* Чубукова)

Слайд 49

Описание слайда:

Алгоритм (* Чубукова)

Слайд 50

Описание слайда:

Алгоритм

Слайд 51

Описание слайда:

Алгоритм

Слайд 52

Описание слайда:

Алгоритм. Свойство антимонотонности

Слайд 53

Описание слайда:

Алгоритм

Слайд 54

Описание слайда:

Примеры

Слайд 55

Описание слайда:

Примеры

Слайд 56

Описание слайда:

Примеры

Слайд 57

Описание слайда:

Деревья решений (decision trees)

Слайд 58

Описание слайда:

Деревья решений Дерево решений (выдача кредита)

Слайд 59

Описание слайда:

Слайд 60

Описание слайда:

Конструирование модели Конструирование модели

Слайд 61

Описание слайда:

Классификация Использование модели

Слайд 62

Описание слайда:

Классификация Пример решения методом линейной регрессии (схематическое решение)

Слайд 63

Описание слайда:

Классификация Пример решения методом деревьев решений

Слайд 64

Описание слайда:

Классификация Пример решения методом нейронный сетей

Слайд 65

Описание слайда:

Классификация Метод находит образцы, находящиеся на границах между двумя классами, т.е. опорные вектора. Опорными векторами называются объекты множества, лежащие на границах областей.

Слайд 66

Описание слайда:

Классификация Классификация считается хорошей, если область между границами пуста.

Слайд 67

Описание слайда:

Классификация

Слайд 68

Описание слайда:

Классификация Метод k-ближайших соседей для решения задач классификации

Слайд 69

Описание слайда:

Классификация

Слайд 70

Описание слайда:

Классификация

Слайд 71

Описание слайда:

Классификация

Слайд 72

Описание слайда:

Классификация

Слайд 73

Описание слайда:

Классификация Y – вектор выходных сигналов, X – вектор входных сигналов, в выходном слое N0 нейронов, в каждом скрытом слое – NH нейронов, входной слой – NI нейронов.

Слайд 74

Описание слайда:

Классификация Результат работы i-го слоя (Yi – вектор выхода i-го слоя многослойного перцептрона):

Слайд 75

Описание слайда:

Классификация Если заданы начальные значения Y: yj,0=xj, то результат работы перцептрона

Слайд 76

Описание слайда:

Классификация Двухслойный перцептрон

Слайд 77

Описание слайда:

Классификация

Слайд 78

Описание слайда:

Классификация

Слайд 79

Описание слайда:

Кластеризация

Слайд 80

Описание слайда:

Кластеризация Кластеры: пересекающиеся и непересекающиеся

Слайд 81

Описание слайда:

Кластеризация Дендрограмма

Слайд 82

Описание слайда:

Кластеризация Необходимость нормировки (разные масштабы  разные классы)

Слайд 83

Описание слайда:

Кластеризация

Слайд 84

Описание слайда:

Кластеризация Расстояние в пространстве трех измерений

Слайд 85

Описание слайда:

Кластеризация

Слайд 86

Описание слайда:

Кластеризация Задание: описать последовательность объединения в классы

Слайд 87

Описание слайда:

Кластеризация

Слайд 88

Описание слайда:

Кластеризация Метод k-средних, k=2

Слайд 89

Описание слайда:

Факторный анализ Жирным выделены значимые нагрузки

Слайд 90

Описание слайда:

Факторный анализ

Слайд 91

Описание слайда:

Факторный анализ

Слайд 92

Описание слайда:

Факторный анализ

Слайд 93

Описание слайда:

Анализ временных рядов График ежедневных данных о среднем числе дефектов на грузовик в конце сборочного конвейера на предприятии по производству грузовиков. Наблюдения осциллируют на некотором постоянном уровне. Стационарный временной ряд (стационарный в среднем, специальный случай стационарных временных рядов). Ряд может быть описан авторегрессионной моделью скользящего среднего (ARMA), предложенной в методологии Бокса–Дженкинса.

Слайд 94

Описание слайда:

Анализ временных рядов Данные о производстве (ежегодном) табака в США. Не варьируются около постоянного значения, выявляют предельный, вверх направленный тренд. Дисперсия увеличивается с увеличением времени. Нестационарный по среднему и по дисперсии временной ряд.

Слайд 95

Описание слайда:

Анализ временных рядов Ежеквартальные данные о производстве пива в США в течение нескольких лет. Сезонный временной ряд, проявляющий ежегодную тенденцию к повторению. Период сезонности, т.е. интервал, через который тенденция повторяется, равен 4. Для анализа данного ряда может быть предложена модификация модели Бокса–Дженкинса. Альтернативным способом моделирования является сезонная декомпозиция.

Слайд 96

Описание слайда:

Анализ временных рядов График реализации вина сладкого сорта на территории Австралии с января 1980 по июнь 1994 года. Нестационарный ряд– изменение в структуре ряда, возникшее из-за некоторого внешнего события. Такой тип нестационарности нельзя учесть, применяя то или иное стандартное преобразование.

Слайд 97

Описание слайда:

Анализ временных рядов Двумерный временной ряд. Ряды коррелированны. Переменные взаимно влияют друг на друга. Необходимо использовать сложные методы анализа, например, векторные авторегрессионные модели скользящего среднего.

Слайд 98

Описание слайда:

Анализ временных рядов

Слайд 99

Описание слайда:

Анализ временных рядов

Слайд 100

Описание слайда:

Анализ временных рядов

Слайд 101

Описание слайда:

Анализ временных рядов

Слайд 102

Описание слайда:

Анализ временных рядов

Слайд 103

Описание слайда:

Анализ временных рядов Обнаружена сезонная составляющая с периодом, равным 12 месяцев (r120.9).

Слайд 104

Описание слайда:

Анализ временных рядов

Слайд 105

Описание слайда:

Анализ временных рядов

Слайд 106

Описание слайда:

Анализ временных рядов

Слайд 107

Описание слайда:

Анализ временных рядов

Слайд 108

Описание слайда:

Анализ временных рядов

Слайд 109

Описание слайда:

Анализ временных рядов Неадекватная модель

Слайд 110

Описание слайда:

Анализ временных рядов

Слайд 111

Описание слайда:

Анализ временных рядов Выделены тренд-циклический, сезонный и случайный компоненты

Слайд 112

Описание слайда:

Анализ временных рядов

Слайд 113

Описание слайда:

Анализ временных рядов

Слайд 114

Описание слайда:

Анализ временных рядов Временной ряд, содержащий тренд: коррелограмма не стремится к 0.

Слайд 115

Описание слайда:

Анализ временных рядов Ряд с сезонной составляющей, после удаления тренда: коррелограмма показывает наличие сезонной составляющей

Слайд 116

Описание слайда:

Анализ временных рядов

Слайд 117

Описание слайда:

Анализ временных рядов 2 =1

Слайд 118

Описание слайда:

Анализ временных рядов

Слайд 119

Описание слайда:

Анализ временных рядов Автокорреляционные функции авторегрессионных рядов экспоненциально затухают или представляют экспоненциально затухающие синусоидальные волны.

Слайд 120

Описание слайда:

Анализ временных рядов

Слайд 121

Описание слайда:

Слайд 122

Описание слайда:

Генетические алгоритмы

Слайд 123

Описание слайда:

Генетические алгоритмы

Слайд 124

Описание слайда:

Генетические алгоритмы

Слайд 125

Описание слайда:

Параллельные ГА Модель миграции

Слайд 126

Описание слайда:

Параллельные ГА

Слайд 127

Описание слайда:

Параллельные ГА

Слайд 128

Описание слайда:

Параллельные ГА

Слайд 129

Описание слайда:

PolyAnalyst

Слайд 130

Описание слайда:

Слайд 131

Описание слайда:

НАЧАЛО // простой генетический алгоритм Создать начальную совокупность структур(популяцию) Оценить каждую структуру останов := FALSE ПОКА НЕ останов ВЫПОЛНЯТЬ НАЧАЛО // новая итерация (поколение) Применить оператор отбора ПОВТОРИТЬ (размер_популяции/2) РАЗ НАЧАЛО // цикл воспроизводства Выбрать две структуры (родители) из множества предыдущей итерации Применить оператор скрещивания с заданной вероятностью к выбранным структурам и получить две новые структуры (потомки) Оценить эти новые структуры Если оператор скрещивания не применяется, то потомки становятся копиями своих родителей Поместить потомков в новое поколение КОНЕЦ Применить оператор мутации с заданной верояностью ЕСЛИ популяция сошлась ТО останов := TRUE КОНЕЦ КОНЕЦ НАЧАЛО // простой генетический алгоритм Создать начальную совокупность структур(популяцию) Оценить каждую структуру останов := FALSE ПОКА НЕ останов ВЫПОЛНЯТЬ НАЧАЛО // новая итерация (поколение) Применить оператор отбора ПОВТОРИТЬ (размер_популяции/2) РАЗ НАЧАЛО // цикл воспроизводства Выбрать две структуры (родители) из множества предыдущей итерации Применить оператор скрещивания с заданной вероятностью к выбранным структурам и получить две новые структуры (потомки) Оценить эти новые структуры Если оператор скрещивания не применяется, то потомки становятся копиями своих родителей Поместить потомков в новое поколение КОНЕЦ Применить оператор мутации с заданной верояностью ЕСЛИ популяция сошлась ТО останов := TRUE КОНЕЦ КОНЕЦ