Основные классы методов анализа данных: описательная статистика, методы изучения связей между признаками, методы классификации объектов, поиск латентных переменных.

Содержание:

Введение………………………………………………………………………….....3

Глава 1.Методы обработки данных………………………………………………...5

1.1.Методы описательной статистики……………………………………………..5

1.2.Методы восстановления пропусков в массивах данных…………………....9

Глава 2. Теория поиска латентных переменных…………………………………14

2.1. Работа алгоритма по этапам……….………………………………………….14

2.2. Метод классификации объектов на примере таможенного предприятия……..…………………………………………………………………19

Заключение………………………………………………………………………..23

Список использованной литературы…………………………………………...26

Введение

Актуальность темы исследования. На сегодняшний день разработано множество основных классов методов анализа данных, в первую очередь, описательная статистика, методы изучения связей между признаками, методы классификации объектов, поиск латентных переменных заполнения пропусков, однако сведения о них пока что не систематизированы и разбросаны по большому количеству работ. Непосредственно мало обзорных работ, которые давали бы представление о положительных или отрицательных сторонах, более известных в исследовательской практике алгоритмов заполнении пропусков. Обратим внимание, что достаточно мало исследований, которые были бы направлены на сравнительную оценку применимости отдельных алгоритмов заполнения пропусков, непосредственно, в конкретных исследовательских ситуациях. Вышеизложенное позволяет считать, что работа, направленная на систематизацию методов заполнения пропусков в данных, а также, выявление условий их эффективного использования в социологии, является актуальной.

Большинство исследователей, которые проводят исследования социально-экономических процессов, сталкиваются с проблемой пропуска данных или неответа в таблицах объект-свойство (12). Отметим, что эту проблему называют проблемой неполноты данных (3).

При этом, довольно часто выбросы тоже можно рассматривать как пропущенные данные. Обратим внимание, что, непосредственно, к выбросам можно отнести данные, которые явно противоречат данным всей выборки. Отметим, что, противоречие может возникать не только со значениями одного признака, но и со значением прочих признаков одного наблюдения. В обоих случаях перед исследователем стоит вопрос о том, можно ли отбросить всю строку таблицы данных, или же, каким-то образом исправить ошибку, то есть восстановить данные.

Многообразие ситуаций и причин возникновения пропусков в данных породило множество исследований в этой области. Особенно много работ, посвященных исследованию данной проблемы, в зарубежных источниках. Обширный список таких работ можно найти в отдельных работах отечественных ученых (2, 14). Большое количество методов потребовало систематизации подходов и разработки классификации методов (1, 3, 4, 5). Многие авторы за основу принимают схему классификации, представленную в работах (13, 15). В указанных выше работах приводятся основные классы методов анализа данных: описательная статистика, методы изучения связей между признаками, методы классификации объектов, поиск латентных переменных.

Объект исследования - основные классы методов анализа данных: описательная статистика, методы изучения связей между признаками, методы классификации объектов, поиск латентных переменных.

Предмет исследования – рассмотреть основные классы методов анализа данных: описательную статистику, методы изучения связей между признаками, методы классификации объектов, поиск латентных переменных.

Основная цель исследования – изучить основные классы методов анализа данных: описательную статистику, методы изучения связей между признаками, методы классификации объектов, поиск латентных переменных.

В соответствии с поставленной в работе целью, нами решались такие задачи, как: определить методы обработки данных, указать методы описательной статистики; рассмотреть существующую теорию поиска латентных переменных; определить работу алгоритма по этапам; изучить метод классификации объектов на примере таможенного предприятия; рассмотреть корреляционно-регрессный анализ прибыли на примере таможенного предприятия.

Структура данной работы определена кругом исследуемых проблем, ее целями и задачами и составляет: введение, основную часть, содержащую две