🗊Презентация Статистические методы анализа данных параметров транспортного процесса

Категория: Математика
Нажмите для полного просмотра!
Статистические методы анализа данных параметров транспортного процесса, слайд №1Статистические методы анализа данных параметров транспортного процесса, слайд №2Статистические методы анализа данных параметров транспортного процесса, слайд №3Статистические методы анализа данных параметров транспортного процесса, слайд №4Статистические методы анализа данных параметров транспортного процесса, слайд №5Статистические методы анализа данных параметров транспортного процесса, слайд №6Статистические методы анализа данных параметров транспортного процесса, слайд №7Статистические методы анализа данных параметров транспортного процесса, слайд №8Статистические методы анализа данных параметров транспортного процесса, слайд №9Статистические методы анализа данных параметров транспортного процесса, слайд №10Статистические методы анализа данных параметров транспортного процесса, слайд №11Статистические методы анализа данных параметров транспортного процесса, слайд №12Статистические методы анализа данных параметров транспортного процесса, слайд №13Статистические методы анализа данных параметров транспортного процесса, слайд №14Статистические методы анализа данных параметров транспортного процесса, слайд №15Статистические методы анализа данных параметров транспортного процесса, слайд №16Статистические методы анализа данных параметров транспортного процесса, слайд №17Статистические методы анализа данных параметров транспортного процесса, слайд №18Статистические методы анализа данных параметров транспортного процесса, слайд №19Статистические методы анализа данных параметров транспортного процесса, слайд №20Статистические методы анализа данных параметров транспортного процесса, слайд №21Статистические методы анализа данных параметров транспортного процесса, слайд №22Статистические методы анализа данных параметров транспортного процесса, слайд №23Статистические методы анализа данных параметров транспортного процесса, слайд №24Статистические методы анализа данных параметров транспортного процесса, слайд №25Статистические методы анализа данных параметров транспортного процесса, слайд №26Статистические методы анализа данных параметров транспортного процесса, слайд №27Статистические методы анализа данных параметров транспортного процесса, слайд №28Статистические методы анализа данных параметров транспортного процесса, слайд №29Статистические методы анализа данных параметров транспортного процесса, слайд №30Статистические методы анализа данных параметров транспортного процесса, слайд №31Статистические методы анализа данных параметров транспортного процесса, слайд №32Статистические методы анализа данных параметров транспортного процесса, слайд №33Статистические методы анализа данных параметров транспортного процесса, слайд №34Статистические методы анализа данных параметров транспортного процесса, слайд №35Статистические методы анализа данных параметров транспортного процесса, слайд №36Статистические методы анализа данных параметров транспортного процесса, слайд №37Статистические методы анализа данных параметров транспортного процесса, слайд №38Статистические методы анализа данных параметров транспортного процесса, слайд №39Статистические методы анализа данных параметров транспортного процесса, слайд №40Статистические методы анализа данных параметров транспортного процесса, слайд №41Статистические методы анализа данных параметров транспортного процесса, слайд №42Статистические методы анализа данных параметров транспортного процесса, слайд №43Статистические методы анализа данных параметров транспортного процесса, слайд №44Статистические методы анализа данных параметров транспортного процесса, слайд №45Статистические методы анализа данных параметров транспортного процесса, слайд №46Статистические методы анализа данных параметров транспортного процесса, слайд №47Статистические методы анализа данных параметров транспортного процесса, слайд №48Статистические методы анализа данных параметров транспортного процесса, слайд №49Статистические методы анализа данных параметров транспортного процесса, слайд №50Статистические методы анализа данных параметров транспортного процесса, слайд №51Статистические методы анализа данных параметров транспортного процесса, слайд №52Статистические методы анализа данных параметров транспортного процесса, слайд №53Статистические методы анализа данных параметров транспортного процесса, слайд №54Статистические методы анализа данных параметров транспортного процесса, слайд №55Статистические методы анализа данных параметров транспортного процесса, слайд №56

Содержание

Вы можете ознакомиться и скачать презентацию на тему Статистические методы анализа данных параметров транспортного процесса. Доклад-сообщение содержит 56 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





Тема лекции №3
Статистические методы анализа данных параметров транспортного процесса.
Описание слайда:
Тема лекции №3 Статистические методы анализа данных параметров транспортного процесса.

Слайд 2





Цель лекции – изучить статистические методы анализа данных параметров транспортного процесса.
План лекции.
Статистические методы анализа данных.
Методы анализа данных в MS Excel. 
Прикладной пакет Statistica. 
Решение задач в пакете Statistica.
Описание слайда:
Цель лекции – изучить статистические методы анализа данных параметров транспортного процесса. План лекции. Статистические методы анализа данных. Методы анализа данных в MS Excel. Прикладной пакет Statistica. Решение задач в пакете Statistica.

Слайд 3





1. Статистические методы анализа данных.
Статистика изучает большие массивы информации и устанавливает закономерности, которым подчиняются случайные массовые явления.
Под математической статистикой понимается раздел математики, посвященный математическим методам сбора, систематизации, обработки и интерпретации статистических данных.
Прикладная статистика – ориентированные на прикладную деятельность статистические методы анализа реальных данных, а также методологии организации статистических исследований и их компьютерной обработки. Теоретическая база – теория вероятностей и математическая статистика.
Анализ данных – позволяет подобрать информацию, которая поможет ответить на все вопросы исследований и проверить гипотезы.
Описание слайда:
1. Статистические методы анализа данных. Статистика изучает большие массивы информации и устанавливает закономерности, которым подчиняются случайные массовые явления. Под математической статистикой понимается раздел математики, посвященный математическим методам сбора, систематизации, обработки и интерпретации статистических данных. Прикладная статистика – ориентированные на прикладную деятельность статистические методы анализа реальных данных, а также методологии организации статистических исследований и их компьютерной обработки. Теоретическая база – теория вероятностей и математическая статистика. Анализ данных – позволяет подобрать информацию, которая поможет ответить на все вопросы исследований и проверить гипотезы.

Слайд 4


Статистические методы анализа данных параметров транспортного процесса, слайд №4
Описание слайда:

Слайд 5





В теории статистику принято условно различать на:
В теории статистику принято условно различать на:
- описательную 
 - аналитическую. 
Описательная статистика  связана с планированием исследования, сбором информации и представлением полученных результатов в виде статистических показателей.
 Удобная форма представления статистической информации - таблицы, графики. 
Задача аналитической статистики - выявить причинные связи, оценить влияние исследуемых факторов и сделать надлежащие выводы, на основании которых могут быть приняты ответственные решения.
Описание слайда:
В теории статистику принято условно различать на: В теории статистику принято условно различать на: - описательную - аналитическую. Описательная статистика связана с планированием исследования, сбором информации и представлением полученных результатов в виде статистических показателей. Удобная форма представления статистической информации - таблицы, графики. Задача аналитической статистики - выявить причинные связи, оценить влияние исследуемых факторов и сделать надлежащие выводы, на основании которых могут быть приняты ответственные решения.

Слайд 6





Типовые задачи анализа данных.
Типовые задачи анализа данных.
Одномерный анализ:
Сравнение математических ожиданий;
Сравнение дисперсий;
Оценивание параметров распределений;
Установление закона распределения;
Отбраковка данных.
Многомерный анализ:
Исследование зависимостей между признаками;
Классификация объектов;
Снижение размерности пространства признаков.
Описание слайда:
Типовые задачи анализа данных. Типовые задачи анализа данных. Одномерный анализ: Сравнение математических ожиданий; Сравнение дисперсий; Оценивание параметров распределений; Установление закона распределения; Отбраковка данных. Многомерный анализ: Исследование зависимостей между признаками; Классификация объектов; Снижение размерности пространства признаков.

Слайд 7





Классификация методов анализа данных
Описание слайда:
Классификация методов анализа данных

Слайд 8





Классификация методов анализа данных
Описание слайда:
Классификация методов анализа данных

Слайд 9





Основные задачи статистического анализа: 
статистическая проверка гипотез;
определение числа наблюдений и получение выборки;
определение характеристик генеральной совокупности на основе характеристик выборочной совокупности;
построение уравнений корреляционной связи (уравнений регрессии);
создание модели наблюдений (закон распределения);
оценка параметров модели;
изучение согласия между моделью и наблюдениями;
реальное решение задач посредством оценки параметров и критериев значимости.
Описание слайда:
Основные задачи статистического анализа: статистическая проверка гипотез; определение числа наблюдений и получение выборки; определение характеристик генеральной совокупности на основе характеристик выборочной совокупности; построение уравнений корреляционной связи (уравнений регрессии); создание модели наблюдений (закон распределения); оценка параметров модели; изучение согласия между моделью и наблюдениями; реальное решение задач посредством оценки параметров и критериев значимости.

Слайд 10





Способы представления данных 
Группировка 
Табулирование
 Ранжирование
 Распределение частот
 Интервальное распределения частот
 Статистические ряды
 Графическое представление данных 
Описание слайда:
Способы представления данных Группировка Табулирование Ранжирование Распределение частот Интервальное распределения частот Статистические ряды Графическое представление данных 

Слайд 11





Меры центральной тенденции 
Мода
 Медиана
 Среднее арифметическое значение
 Среднее геометрическое
 Среднее гармоническое
Описание слайда:
Меры центральной тенденции Мода Медиана Среднее арифметическое значение Среднее геометрическое Среднее гармоническое

Слайд 12





Меры изменчивости (вариативности) 
Размах 
 Квартильный размах
 Дисперсия
 Стандартное отклонение
 Коэффициент вариации
 Асимметрия 
Эксцесс 
Описание слайда:
Меры изменчивости (вариативности) Размах Квартильный размах Дисперсия Стандартное отклонение Коэффициент вариации Асимметрия Эксцесс 

Слайд 13





Совокупность – группа объектов, предметов или явлений, объединенных каким-либо общим признаком или свойством качественной или количественной характеристики (генеральная или выборочная совокупность).
Совокупность – группа объектов, предметов или явлений, объединенных каким-либо общим признаком или свойством качественной или количественной характеристики (генеральная или выборочная совокупность).
Выборка или выборочная совокупность — часть генеральной совокупности элементов, которая охватывается экспериментом (наблюдением, опросом).
Характеристики выборки:
Качественная характеристика выборки — что именно мы выбираем и какие способы построения выборки мы для этого используем.
Количественная характеристика выборки — сколько случаев выбираем, другими словами объём выборки.
Необходимость выборки:
Объект исследования очень обширный. 
Существует необходимость в сборе первичной информации.
Заметим, что из генеральной совокупности можно отобрать огромное число выборок. Например, при генеральной совокупности N, равной 100 элементам, можно извлечь выборки объемом n =10 в количестве 17·1012 вариантов (!).
Описание слайда:
Совокупность – группа объектов, предметов или явлений, объединенных каким-либо общим признаком или свойством качественной или количественной характеристики (генеральная или выборочная совокупность). Совокупность – группа объектов, предметов или явлений, объединенных каким-либо общим признаком или свойством качественной или количественной характеристики (генеральная или выборочная совокупность). Выборка или выборочная совокупность — часть генеральной совокупности элементов, которая охватывается экспериментом (наблюдением, опросом). Характеристики выборки: Качественная характеристика выборки — что именно мы выбираем и какие способы построения выборки мы для этого используем. Количественная характеристика выборки — сколько случаев выбираем, другими словами объём выборки. Необходимость выборки: Объект исследования очень обширный. Существует необходимость в сборе первичной информации. Заметим, что из генеральной совокупности можно отобрать огромное число выборок. Например, при генеральной совокупности N, равной 100 элементам, можно извлечь выборки объемом n =10 в количестве 17·1012 вариантов (!).

Слайд 14





Характеристики совокупностей
Описание слайда:
Характеристики совокупностей

Слайд 15





При проведении выборочного наблюдения необходимо соблюдать следующие требования:
При проведении выборочного наблюдения необходимо соблюдать следующие требования:
единицы совокупности должны быть: легко различимы; на перекрывать друг друга; образовывать всю совокупность;
выбор единиц совокупности должен соответствовать целям наблюдения;
они должны быть удобны для работы;
должна существовать возможность их перечисления (составление перечня);
выборочная совокупность должна быть репрезентативной (представительской), т.е. давать представление обо всей совокупности  для этого используется метод случайного отбора.
Описание слайда:
При проведении выборочного наблюдения необходимо соблюдать следующие требования: При проведении выборочного наблюдения необходимо соблюдать следующие требования: единицы совокупности должны быть: легко различимы; на перекрывать друг друга; образовывать всю совокупность; выбор единиц совокупности должен соответствовать целям наблюдения; они должны быть удобны для работы; должна существовать возможность их перечисления (составление перечня); выборочная совокупность должна быть репрезентативной (представительской), т.е. давать представление обо всей совокупности для этого используется метод случайного отбора.

Слайд 16





Процесс построения выборки - из большей по размеру генеральной совокупности извлекается выборка для проведения измерений и подробного анализа.
Процесс построения выборки - из большей по размеру генеральной совокупности извлекается выборка для проведения измерений и подробного анализа.
 При этом полагается, что выборка является репрезентативной (представительной).
Суть репрезентативности выборки – выборка (часть целого) должна достоверно отражать генеральную совокупность (само целое). 
Этому соответствует одинаковость частот проявления признака (свойства) как для выборки, так и для всей совокупности, т.е. кривые распределения должны быть идентичными (положение центра, характер формы кривой). Различие только по размаху вариации (дисперсии) – генеральная совокупность должна иметь меньший разброс относительно среднего.
Описание слайда:
Процесс построения выборки - из большей по размеру генеральной совокупности извлекается выборка для проведения измерений и подробного анализа. Процесс построения выборки - из большей по размеру генеральной совокупности извлекается выборка для проведения измерений и подробного анализа. При этом полагается, что выборка является репрезентативной (представительной). Суть репрезентативности выборки – выборка (часть целого) должна достоверно отражать генеральную совокупность (само целое). Этому соответствует одинаковость частот проявления признака (свойства) как для выборки, так и для всей совокупности, т.е. кривые распределения должны быть идентичными (положение центра, характер формы кривой). Различие только по размаху вариации (дисперсии) – генеральная совокупность должна иметь меньший разброс относительно среднего.

Слайд 17





Для того, чтобы выборка была репрезентативной (хорошо представлять элементы ГС), она должна быть отобрана случайно. 
Для того, чтобы выборка была репрезентативной (хорошо представлять элементы ГС), она должна быть отобрана случайно. 
Случайность отбора элементов в выборку достигается соблюдением принципа равной возможности каждого элемента ГС быть отобранным в выборку. 
	Нарушение принципов случайного выбора приводит к серьезным ошибкам.
Любое число, полученное на основе выборки, носит название «выборочная статистика» (или просто «статистика»).
Описание слайда:
Для того, чтобы выборка была репрезентативной (хорошо представлять элементы ГС), она должна быть отобрана случайно. Для того, чтобы выборка была репрезентативной (хорошо представлять элементы ГС), она должна быть отобрана случайно. Случайность отбора элементов в выборку достигается соблюдением принципа равной возможности каждого элемента ГС быть отобранным в выборку. Нарушение принципов случайного выбора приводит к серьезным ошибкам. Любое число, полученное на основе выборки, носит название «выборочная статистика» (или просто «статистика»).

Слайд 18


Статистические методы анализа данных параметров транспортного процесса, слайд №18
Описание слайда:

Слайд 19





Данный вариационный ряд носит название дискретного вариационного ряда (его члены принимают отдельные изолированные значения).

Вариационным рядом называется ранжированный в порядке возрастания ряд значений (вариантов) с соответствующими им частотами.
Описание слайда:
Данный вариационный ряд носит название дискретного вариационного ряда (его члены принимают отдельные изолированные значения). Вариационным рядом называется ранжированный в порядке возрастания ряд значений (вариантов) с соответствующими им частотами.

Слайд 20





Построение дискретного вариационного ряда нецелесообразно, когда число значений в выборке велико или признак имеет непрерывную природу, т.е. может принимать любые значения в пределах некоторого интервала. В этом случае строят интервальный вариационный ряд. 
Построение дискретного вариационного ряда нецелесообразно, когда число значений в выборке велико или признак имеет непрерывную природу, т.е. может принимать любые значения в пределах некоторого интервала. В этом случае строят интервальный вариационный ряд. 
Вид интервального ряда:
Описание слайда:
Построение дискретного вариационного ряда нецелесообразно, когда число значений в выборке велико или признак имеет непрерывную природу, т.е. может принимать любые значения в пределах некоторого интервала. В этом случае строят интервальный вариационный ряд. Построение дискретного вариационного ряда нецелесообразно, когда число значений в выборке велико или признак имеет непрерывную природу, т.е. может принимать любые значения в пределах некоторого интервала. В этом случае строят интервальный вариационный ряд. Вид интервального ряда:

Слайд 21





Статистический метод определения объема выборки 
Для бесповторного отбора
Для повторного отбора
где  σ2 – дисперсия генеральной совокупности;
 N – размер генеральной совокупности; 
∆x – доверительный интервал (предельная ошибка); 
t – критерий Стьюдента или табулированная константа, табличные значения этой величины следующие: t=1,96, при =0,05; t=2,58, при =0,01.
Описание слайда:
Статистический метод определения объема выборки Для бесповторного отбора Для повторного отбора где σ2 – дисперсия генеральной совокупности; N – размер генеральной совокупности; ∆x – доверительный интервал (предельная ошибка); t – критерий Стьюдента или табулированная константа, табличные значения этой величины следующие: t=1,96, при =0,05; t=2,58, при =0,01.

Слайд 22





Особенность представленных формул :
Особенность представленных формул :
- в первом случае можно вести расчет, отталкиваясь от известного нам объема самой генеральной совокупности N. 
- вторая формула позволяет получить результат, формально игнорируя её количественный размер.
При планировании выборочного исследования предполагается заранее, что известны следующие данные:
величина допустимой ошибки выборки ∆х (доверительного интервала);
вероятность выводов по результатам наблюдения (величина t-критерия при заданной доверительной вероятности Р или уровне значимости α).
Описание слайда:
Особенность представленных формул : Особенность представленных формул : - в первом случае можно вести расчет, отталкиваясь от известного нам объема самой генеральной совокупности N. - вторая формула позволяет получить результат, формально игнорируя её количественный размер. При планировании выборочного исследования предполагается заранее, что известны следующие данные: величина допустимой ошибки выборки ∆х (доверительного интервала); вероятность выводов по результатам наблюдения (величина t-критерия при заданной доверительной вероятности Р или уровне значимости α).

Слайд 23





Величина σ2 , характеризующая дисперсию признака в генеральной совокупности, чаще всего бывает неизвестна. Поэтому используют следующие приближенные способы оценки генеральной дисперсии.
Величина σ2 , характеризующая дисперсию признака в генеральной совокупности, чаще всего бывает неизвестна. Поэтому используют следующие приближенные способы оценки генеральной дисперсии.
1. Можно провести пробное исследование (обычно небольшого объема), на базе которого определяется величина дисперсии этой выборки, используемой в качестве оценки генеральной дисперсии:
где xпроб - среднее арифметическое по результатам пробного исследования; nпроб - число единиц, попавших в пробное исследование.
По данным нескольких таких маломасштабных экспериментов выбирается наибольшее значение дисперсии, которое и будет использовано при проведении полного исследования.
Описание слайда:
Величина σ2 , характеризующая дисперсию признака в генеральной совокупности, чаще всего бывает неизвестна. Поэтому используют следующие приближенные способы оценки генеральной дисперсии. Величина σ2 , характеризующая дисперсию признака в генеральной совокупности, чаще всего бывает неизвестна. Поэтому используют следующие приближенные способы оценки генеральной дисперсии. 1. Можно провести пробное исследование (обычно небольшого объема), на базе которого определяется величина дисперсии этой выборки, используемой в качестве оценки генеральной дисперсии: где xпроб - среднее арифметическое по результатам пробного исследования; nпроб - число единиц, попавших в пробное исследование. По данным нескольких таких маломасштабных экспериментов выбирается наибольшее значение дисперсии, которое и будет использовано при проведении полного исследования.

Слайд 24





2. Можно использовать данные прошлых выборочных наблюдений, проводившихся в аналогичных целях, т.е. дисперсия, полученная по их результатам, применяется в качестве оценки генеральной дисперсии.
2. Можно использовать данные прошлых выборочных наблюдений, проводившихся в аналогичных целях, т.е. дисперсия, полученная по их результатам, применяется в качестве оценки генеральной дисперсии.
3. Если распределение признака в генеральной совокупности может быть отнесена к нормальному закону распределения, то размах вариации примерно равен 6σ (крайние значения отстоят в ту и другую сторону от средней на расстоянии 3σ для Р=99,7%), т.е. R=6σ, откуда σ=1/6R, где R=хmax - хmin.
Описание слайда:
2. Можно использовать данные прошлых выборочных наблюдений, проводившихся в аналогичных целях, т.е. дисперсия, полученная по их результатам, применяется в качестве оценки генеральной дисперсии. 2. Можно использовать данные прошлых выборочных наблюдений, проводившихся в аналогичных целях, т.е. дисперсия, полученная по их результатам, применяется в качестве оценки генеральной дисперсии. 3. Если распределение признака в генеральной совокупности может быть отнесена к нормальному закону распределения, то размах вариации примерно равен 6σ (крайние значения отстоят в ту и другую сторону от средней на расстоянии 3σ для Р=99,7%), т.е. R=6σ, откуда σ=1/6R, где R=хmax - хmin.

Слайд 25





2. Методы анализа данных в MS Excel.
Программа MS Excel обладает:
специальным набором функций, которые позволяют вычислять функции распределения случайных величин;
средствами графического представления данных (постройка диаграмм);
собственным языком программирования (VBA), с помощью которого можно задавать сложные расчетные алгоритмы;
набором элементов управления, которые можно внедрять в рабочие листы электронных таблиц;
удобным способом сохранения данных в виде электронных таблиц;
использование формул в ячейках для вычисляемых полей.
Описание слайда:
2. Методы анализа данных в MS Excel. Программа MS Excel обладает: специальным набором функций, которые позволяют вычислять функции распределения случайных величин; средствами графического представления данных (постройка диаграмм); собственным языком программирования (VBA), с помощью которого можно задавать сложные расчетные алгоритмы; набором элементов управления, которые можно внедрять в рабочие листы электронных таблиц; удобным способом сохранения данных в виде электронных таблиц; использование формул в ячейках для вычисляемых полей.

Слайд 26





Файл MS Excel представляет собой книгу, которая состоит из набора листов. 
Файл MS Excel представляет собой книгу, которая состоит из набора листов. 
Каждый лист представляет собой таблицу ячеек. 
Каждая ячейка может хранить информацию и адресуется именем столбца и номером строки.
Ячейки могут быть вычисляемы, т.е. содержать формулу вычисления по другим ячейкам или их диапазону.
Каждый лист имеет программный модуль, который содержит функции-обработчики событий с данным листом.
Описание слайда:
Файл MS Excel представляет собой книгу, которая состоит из набора листов. Файл MS Excel представляет собой книгу, которая состоит из набора листов. Каждый лист представляет собой таблицу ячеек. Каждая ячейка может хранить информацию и адресуется именем столбца и номером строки. Ячейки могут быть вычисляемы, т.е. содержать формулу вычисления по другим ячейкам или их диапазону. Каждый лист имеет программный модуль, который содержит функции-обработчики событий с данным листом.

Слайд 27





Функции MS Excel, используемые при расчете показателей положения
1. Функция МИН. 
МИН(число1;число2;…). 
Функция МИН находит наименьшее значение в множестве данных.
2. Функция НАИМЕНЬШИЙ. 
НАИМЕНЬШИЙ(массив;k). 
Функция НАИМЕНЬШИЙ находит k-е по порядку (начиная с минимального) наименьшее значение  в множестве данных.
3. Функция МАКС. 
МАКС(число1;число2;…). 
Функция МАКС находит наибольшее значение в множестве данных.
4. Функция НАИБОЛЬШИЙ.
НАИБОЛЬШИЙ(массив;k). 
Функция НАИБОЛЬШИЙ находит k-е по порядку (начиная с максимального) наибольшее значение в множестве данных.
Описание слайда:
Функции MS Excel, используемые при расчете показателей положения 1. Функция МИН. МИН(число1;число2;…). Функция МИН находит наименьшее значение в множестве данных. 2. Функция НАИМЕНЬШИЙ. НАИМЕНЬШИЙ(массив;k). Функция НАИМЕНЬШИЙ находит k-е по порядку (начиная с минимального) наименьшее значение в множестве данных. 3. Функция МАКС. МАКС(число1;число2;…). Функция МАКС находит наибольшее значение в множестве данных. 4. Функция НАИБОЛЬШИЙ. НАИБОЛЬШИЙ(массив;k). Функция НАИБОЛЬШИЙ находит k-е по порядку (начиная с максимального) наибольшее значение в множестве данных.

Слайд 28





5. Функция КВАРТИЛЬ.
5. Функция КВАРТИЛЬ.
КВАРТИЛЬ(массив;k). 
Функция КВАРТИЛЬ рассчитывает квартиль дискретного вариационного ряда.
Функция КВАРТИЛЬ рассчитывает:
  минимальное значение, если k=0;
  первую квартиль, если k=1;
  значение медианы, если k=2;
  третью квартиль, если k=3;
  максимальное значение, если k=4.
Функция КВАРТИЛЬ не требует предварительной ранжировки данных она проводит её автоматически.
Описание слайда:
5. Функция КВАРТИЛЬ. 5. Функция КВАРТИЛЬ. КВАРТИЛЬ(массив;k). Функция КВАРТИЛЬ рассчитывает квартиль дискретного вариационного ряда. Функция КВАРТИЛЬ рассчитывает: минимальное значение, если k=0; первую квартиль, если k=1; значение медианы, если k=2; третью квартиль, если k=3; максимальное значение, если k=4. Функция КВАРТИЛЬ не требует предварительной ранжировки данных она проводит её автоматически.

Слайд 29





6. Функция СРЗНАЧ. 
6. Функция СРЗНАЧ. 
СРЗНАЧ(число1;число2;…). 
Функция СРЗНАЧ рассчитывает значение невзвешенной средней арифметической множества данных. 
7. Функция СРГАРМ. 
СРГАРМ(число1;число2;…). 
Функция СРГАРМ рассчитывает значение невзвешенной средней гармонической  множества данных. На практике используется редко. 
8. Функция СРГЕОМ. 
СРГЕОМ(число1;число2;…). 
Функция СРГЕОМ рассчитывает среднюю геометрическую значений массива положительных чисел.
9. Функция МОДА. 
МОДА(число1;число2;…). 
Функция МОДА отображает наиболее часто встречающееся значение в интервале данных.
10. Функция МЕДИАНА. 
МЕДИАНА(число1;число2;…). 
Функция МЕДИАНА рассчитывает медиану заданного дискретного вариационного ряда.
Описание слайда:
6. Функция СРЗНАЧ. 6. Функция СРЗНАЧ. СРЗНАЧ(число1;число2;…). Функция СРЗНАЧ рассчитывает значение невзвешенной средней арифметической множества данных. 7. Функция СРГАРМ. СРГАРМ(число1;число2;…). Функция СРГАРМ рассчитывает значение невзвешенной средней гармонической множества данных. На практике используется редко. 8. Функция СРГЕОМ. СРГЕОМ(число1;число2;…). Функция СРГЕОМ рассчитывает среднюю геометрическую значений массива положительных чисел. 9. Функция МОДА. МОДА(число1;число2;…). Функция МОДА отображает наиболее часто встречающееся значение в интервале данных. 10. Функция МЕДИАНА. МЕДИАНА(число1;число2;…). Функция МЕДИАНА рассчитывает медиану заданного дискретного вариационного ряда.

Слайд 30





Функции MS Excel, используемые при расчете показателей разброса
1. Функция ДИСП. 
ДИСП(число1;число2;…). 
Функция ДИСП оценивает генеральную дисперсию по выборке.
2. Функция ДИСПР. 
ДИСПР(число1;число2;…). 
Функция ДИСПР вычисляет невзвешенную дисперсию по генеральной совокупности.
Часто генеральную дисперсию обозначают 2.
Описание слайда:
Функции MS Excel, используемые при расчете показателей разброса 1. Функция ДИСП. ДИСП(число1;число2;…). Функция ДИСП оценивает генеральную дисперсию по выборке. 2. Функция ДИСПР. ДИСПР(число1;число2;…). Функция ДИСПР вычисляет невзвешенную дисперсию по генеральной совокупности. Часто генеральную дисперсию обозначают 2.

Слайд 31





3. Функция СТАНДОТКЛОН. 
3. Функция СТАНДОТКЛОН. 
СТАНДОТКЛОН(число1;число2;…). 
Функция СТАНДОТКЛОН оценивает генеральное стандартное отклонение (стандарт) по выборке.
Функция СТАНДОТКЛОН рассчитывает стандарт при условии, что исходные данные образуют выборочную совокупность. В случае, если совокупность является генеральной, то необходимо воспользоваться функцией СТАНДОТКЛОНП.
4. Функция СТАНДОТКЛОНП.
СТАНДОТКЛОНП(число1;число2;…). 
Функция СТАНДОТКЛОНП вычисляет стандартное отклонение по генеральной совокупности.
 5. Функция СРОТКЛ. 
СРОТКЛ(число1;число2;…). 
Функция СРОТКЛ вычисляет среднее невзвешенное отклонение  множества данных.
Описание слайда:
3. Функция СТАНДОТКЛОН. 3. Функция СТАНДОТКЛОН. СТАНДОТКЛОН(число1;число2;…). Функция СТАНДОТКЛОН оценивает генеральное стандартное отклонение (стандарт) по выборке. Функция СТАНДОТКЛОН рассчитывает стандарт при условии, что исходные данные образуют выборочную совокупность. В случае, если совокупность является генеральной, то необходимо воспользоваться функцией СТАНДОТКЛОНП. 4. Функция СТАНДОТКЛОНП. СТАНДОТКЛОНП(число1;число2;…). Функция СТАНДОТКЛОНП вычисляет стандартное отклонение по генеральной совокупности. 5. Функция СРОТКЛ. СРОТКЛ(число1;число2;…). Функция СРОТКЛ вычисляет среднее невзвешенное отклонение множества данных.

Слайд 32





Функция Excel, используемая при расчете показателя асимметрии
Функция СКОС. 
СКОС(число1;число2;…). 
Функция СКОС оценивает коэффициент асимметрии по выборке.
Описание слайда:
Функция Excel, используемая при расчете показателя асимметрии Функция СКОС. СКОС(число1;число2;…). Функция СКОС оценивает коэффициент асимметрии по выборке.

Слайд 33





Функция Excel, используемая при расчете показателя распределения
Функция ЭКСЦЕСС. 
ЭКСЦЕСС(число1;число2;…). 
Функция ЭКЦЕСС оценивает эксцесс по выборке
Описание слайда:
Функция Excel, используемая при расчете показателя распределения Функция ЭКСЦЕСС. ЭКСЦЕСС(число1;число2;…). Функция ЭКЦЕСС оценивает эксцесс по выборке

Слайд 34





Выход в режим «Описательная статистика»
Описание слайда:
Выход в режим «Описательная статистика»

Слайд 35





Справочная информация по технологии работы в режиме «Описательная статистика»
Описание слайда:
Справочная информация по технологии работы в режиме «Описательная статистика»

Слайд 36





Ввод данных
Описание слайда:
Ввод данных

Слайд 37





Результаты
Описание слайда:
Результаты

Слайд 38





Справочная информация по технологии работы в режиме «Гистограмма»
Описание слайда:
Справочная информация по технологии работы в режиме «Гистограмма»

Слайд 39


Статистические методы анализа данных параметров транспортного процесса, слайд №39
Описание слайда:

Слайд 40





Ввод данных
Описание слайда:
Ввод данных

Слайд 41





Результат
Описание слайда:
Результат

Слайд 42





Справочная информация по технологии работы в режиме «Выборка»
Описание слайда:
Справочная информация по технологии работы в режиме «Выборка»

Слайд 43


Статистические методы анализа данных параметров транспортного процесса, слайд №43
Описание слайда:

Слайд 44


Статистические методы анализа данных параметров транспортного процесса, слайд №44
Описание слайда:

Слайд 45





Результаты «Выборки»
Описание слайда:
Результаты «Выборки»

Слайд 46





Функции генерации случайных величин
Описание слайда:
Функции генерации случайных величин

Слайд 47





Функция генерации равномерного распределения на отрезке
Возвращает равномерно распределенное случайное число, большее либо равное 0 и меньшее 1. 
Синтаксис
СЛЧИС( )
Чтобы получить случайное вещественное число между a и b, можно использовать следующую формулу: СЛЧИС()*(b-a)+a
Если требуется использовать функцию СЛЧИС для генерации случайного числа, но изменение этого числа при каждом вычислении значения ячейки нежелательно, можно ввести в строку формул =СЛЧИС(), а затем нажать клавишу F9, чтобы заменить формулу на случайное число.
Описание слайда:
Функция генерации равномерного распределения на отрезке Возвращает равномерно распределенное случайное число, большее либо равное 0 и меньшее 1. Синтаксис СЛЧИС( ) Чтобы получить случайное вещественное число между a и b, можно использовать следующую формулу: СЛЧИС()*(b-a)+a Если требуется использовать функцию СЛЧИС для генерации случайного числа, но изменение этого числа при каждом вычислении значения ячейки нежелательно, можно ввести в строку формул =СЛЧИС(), а затем нажать клавишу F9, чтобы заменить формулу на случайное число.

Слайд 48





Генерация случайных чисел по равномерному закону распределения
Приведенная реализация случайной величины с интервалом [0, 1] к реализации величины с параметром расположения a и формы b осуществляется на основании соотношения:
где R(a,b) – равномерно распределенная случайная величина с параметром расположения а и параметром формы b;
    R01 – случайная величина, равномерно распределена в интервале от 0 до 1.
Описание слайда:
Генерация случайных чисел по равномерному закону распределения Приведенная реализация случайной величины с интервалом [0, 1] к реализации величины с параметром расположения a и формы b осуществляется на основании соотношения: где R(a,b) – равномерно распределенная случайная величина с параметром расположения а и параметром формы b; R01 – случайная величина, равномерно распределена в интервале от 0 до 1.

Слайд 49





Генерация случайных чисел по нормальному закону распределения
Нормально распределенная случайная величина N01 с нулевым математическим ожиданием и средним квадратическим отклонением 1 генерируется на основании связи с равномерным распределением R01:
Случайная величина N(μ,σ), распределена по нормальному закону с параметром расположения μ и параметром масштаба σ, приводится с N01 на основании соотношения:
Описание слайда:
Генерация случайных чисел по нормальному закону распределения Нормально распределенная случайная величина N01 с нулевым математическим ожиданием и средним квадратическим отклонением 1 генерируется на основании связи с равномерным распределением R01: Случайная величина N(μ,σ), распределена по нормальному закону с параметром расположения μ и параметром масштаба σ, приводится с N01 на основании соотношения:

Слайд 50





Генерация случайных чисел по экспоненциальному закону распределения
Значения экспонентно распределенной случайной величины с параметром масштаба b генерируется на основании значения случайной величины с равномерным распределением в интервале от 0 до 1 соответственно по выражению:
где E(b) – значение случайной величины, распределенной по экспоненциальному закону с математическим ожиданием, равным b.
Описание слайда:
Генерация случайных чисел по экспоненциальному закону распределения Значения экспонентно распределенной случайной величины с параметром масштаба b генерируется на основании значения случайной величины с равномерным распределением в интервале от 0 до 1 соответственно по выражению: где E(b) – значение случайной величины, распределенной по экспоненциальному закону с математическим ожиданием, равным b.

Слайд 51





3. Прикладной пакет Statistica. 
ПП STATISTICA – это универсальная интегрированная система, предназначенная для статистического анализа и обработки данных. 
Содержит многофункциональную систему для работы с данными, широкий набор статистических модулей, в которых собраны группы логически связанных между собой статистических процедур, специальный инструментарий для подготовки отчетов, мощную графическую систему для визуализации данных, систему обмена данными с другими Windows-приложениями.

С помощью реализованных в системе STATISTICA языков программирования (SQL, STATISTICA BASIC), снабженных специальными средствами поддержки, легко создаются законченные пользовательские решения и встраиваются в различные другие приложения или вычислительные среды.
Описание слайда:
3. Прикладной пакет Statistica. ПП STATISTICA – это универсальная интегрированная система, предназначенная для статистического анализа и обработки данных. Содержит многофункциональную систему для работы с данными, широкий набор статистических модулей, в которых собраны группы логически связанных между собой статистических процедур, специальный инструментарий для подготовки отчетов, мощную графическую систему для визуализации данных, систему обмена данными с другими Windows-приложениями. С помощью реализованных в системе STATISTICA языков программирования (SQL, STATISTICA BASIC), снабженных специальными средствами поддержки, легко создаются законченные пользовательские решения и встраиваются в различные другие приложения или вычислительные среды.

Слайд 52





История создания пакета Statistica
Система STATISTICA производится фирмой StatSoft Inc. (США), основанной в 1984 г. в городе Тулса (США). Первые программные продукты фирмы (PsyhoStat-2,3) были предназначены для обработки социологических данных. 
В 1985 г. StatSoft выпускает первую систему статистического анализа для компьютеров Apple Macintosh (StatFast) и статистический пакет для IBM PC (STATS+). 
В 1986 г. начинается работа по созданию интегрированных статистических пакетов комплексной обработки данных.
В 1991 г. выходит первая версия системы STATISTICA/DOS. Эта программа представляла собой новое направление развития статистического программного обеспечения, так как в ней реализован графически ориентированный подход к анализу данных,  могла анализировать фактически неограниченный объем данных.
 В 1992 г. вышла версия STATISTICA для Macintosh.
 В 1994 г. выходит версия STATISTICA 4.5 для Windows, которая сразу же занимает лидирующее положение среди статистических пакетов.
Описание слайда:
История создания пакета Statistica Система STATISTICA производится фирмой StatSoft Inc. (США), основанной в 1984 г. в городе Тулса (США). Первые программные продукты фирмы (PsyhoStat-2,3) были предназначены для обработки социологических данных. В 1985 г. StatSoft выпускает первую систему статистического анализа для компьютеров Apple Macintosh (StatFast) и статистический пакет для IBM PC (STATS+). В 1986 г. начинается работа по созданию интегрированных статистических пакетов комплексной обработки данных. В 1991 г. выходит первая версия системы STATISTICA/DOS. Эта программа представляла собой новое направление развития статистического программного обеспечения, так как в ней реализован графически ориентированный подход к анализу данных, могла анализировать фактически неограниченный объем данных. В 1992 г. вышла версия STATISTICA для Macintosh. В 1994 г. выходит версия STATISTICA 4.5 для Windows, которая сразу же занимает лидирующее положение среди статистических пакетов.

Слайд 53


Статистические методы анализа данных параметров транспортного процесса, слайд №53
Описание слайда:

Слайд 54





Решение задач с помощью ПП Statistica (Base)
Описательные и внутригрупповые статистики, разведочный анализ данных
Корреляции
Быстрые основные статистики и блоковые статистики
Интерактивный вероятностный калькулятор
T-критерии (и другие критерии групповых различий)
Таблицы частот, сопряженности, флагов и заголовков, анализ многомерных откликов
Множественная регрессия
Непараметрические статистики
Дисперсионный анализ (ANOVA/MANOVA)
Подгонка распределений
Описание слайда:
Решение задач с помощью ПП Statistica (Base) Описательные и внутригрупповые статистики, разведочный анализ данных Корреляции Быстрые основные статистики и блоковые статистики Интерактивный вероятностный калькулятор T-критерии (и другие критерии групповых различий) Таблицы частот, сопряженности, флагов и заголовков, анализ многомерных откликов Множественная регрессия Непараметрические статистики Дисперсионный анализ (ANOVA/MANOVA) Подгонка распределений

Слайд 55





Описательные статистики и графики
Программа вычисляет практически все используемые описательные статистики общего характера: медиану, моду, квартили, заданные пользователем процентили, среднее значение и стандартное отклонение, квартильный размах, доверительные интервалы для среднего, асимметрию и эксцесс (и их стандартные ошибки), гармоническое и геометрическое среднее.
Доступны разнообразные графики и диаграммы, в т.ч. различные виды диаграмм размаха и гистограмм, гистограммы двумерных распределений (трехмерные и категоризованные), двух- и трехмерные диаграммы рассеяния с помеченными подмножествами данных, нормальные и полунормальные вероятностные графики и графики с исключенным трендом, графики квантиль-квантиль, вероятность-вероятность и т.д.
Имеется набор критериев для подгонки нормального распределения к данным (критерии Колмогорова-Смирнова, Лилиефорса и Шапиро-Уилкса). 
Описание слайда:
Описательные статистики и графики Программа вычисляет практически все используемые описательные статистики общего характера: медиану, моду, квартили, заданные пользователем процентили, среднее значение и стандартное отклонение, квартильный размах, доверительные интервалы для среднего, асимметрию и эксцесс (и их стандартные ошибки), гармоническое и геометрическое среднее. Доступны разнообразные графики и диаграммы, в т.ч. различные виды диаграмм размаха и гистограмм, гистограммы двумерных распределений (трехмерные и категоризованные), двух- и трехмерные диаграммы рассеяния с помеченными подмножествами данных, нормальные и полунормальные вероятностные графики и графики с исключенным трендом, графики квантиль-квантиль, вероятность-вероятность и т.д. Имеется набор критериев для подгонки нормального распределения к данным (критерии Колмогорова-Смирнова, Лилиефорса и Шапиро-Уилкса). 

Слайд 56





4. Решение задач в пакете Statistica.
Описание слайда:
4. Решение задач в пакете Statistica.



Похожие презентации
Mypresentation.ru
Загрузить презентацию