Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Многомерный статистический анализ. Часть 1

Покупка
Артикул: 797221.01.99
Доступ онлайн
2 000 ₽
В корзину
В методическом пособии рассмотрены многомерные методы статистического анализа данных. Основное внимание уделено моделям анализа данных, условиям их применения, а также особенностям представления данных и интерпретации результатов. Пособие предназначено для студентов, обучающихся в магистратуре по направлению подготовки 09.04.01 «Информатика и вычислительная техника», а также для изучающих информационные технологии. Будет полезно для студентов при подготовке выпускной квалификационной работы и магистерской диссертации.
Гончаренко, А. Н. Многомерный статистический анализ. Часть 1 : методическое пособие / А. Н. Гончаренко. - Москва : Издательский Дом НИТУ «МИСиС», 2022. - 53 с. - Текст : электронный. - URL: https://znanium.com/catalog/product/1914789 (дата обращения: 19.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
Москва 2022
М ИНИС ТЕРС ТВО НАУКИ И ВЫСШ ЕГО О Б РА З О ВА Н И Я РФ
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ
ВЫСШЕГО ОБРАЗОВАНИЯ
«НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ «МИСиС»
ИНСТИТУТ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ И АВТОМАТИЗИРОВАННЫХ СИСТЕМ 
УПРАВЛЕНИЯ
Кафедра автоматизированных систем управления
А.Н. Гончаренко
МНОГОМЕРНЫЙ СТАТИСТИЧЕСКИЙ 
АНАЛИЗ
Часть  1
Методическое пособие
Рекомендовано редакционно-издательским 
советом университета
№ 4681


УДК 65.011.56 
 
Г65
Р е ц е н з е н т 
канд. техн. наук, доц. Д.В. Калитин
Гончаренко, Алексей Николаевич.
Г65  
Многомерный статистический анализ. Часть  1 : метод. 
пособие / А.Н. Гончаренко. – Москва : Издательский Дом 
НИТУ «МИСиС», 2022. – 53 с.
В методическом пособии рассмотрены многомерные методы статистического анализа данных. Основное внимание уделено моделям 
анализа данных, условиям их применения, а также особенностям 
представления данных и интерпретации результатов.
Пособие предназначено для студентов, обучающихся в магистратуре по направлению подготовки 09.04.01 «Информатика и вычислительная техника», а также для изучающих информационные технологии. Будет полезно для  студентов при  подготовке выпускной 
квалификационной работы и магистерской диссертации.
УДК 65.011.56
Гончаренко А.Н., 2022
НИТУ «МИСиС», 2022


СОДЕРЖАНИЕ
Введение......................................................................... 4
1.  Корреляционный и регрессионный анализ...................... 5
1.1.  Структура связей между переменными..................... 5
1.2.  Множественная линейная регрессия....................... 11
1.3.  Логистическая регрессия...................................... 38
1.4.  Путевой анализ.................................................... 41
Заключение.................................................................. 51
Библиографический список............................................. 52


ВВЕДЕНИЕ
Многомерные методы статистического анализа данных появились еще в начале ХХ в. Однако из-за большого объема и 
сложности вычислений они по  лучили широкое распространение только благодаря созданию компьютеров, особенно персональных, с  «дружественными» операционными системами 
и пользовательскими интерфейсами.
В методическом пособии основное внимание уделяется моделям анализа данных, условиям их  применения, особенностям представления данных и интерпретации результатов.
Настоящее учебное пособие предназначено для студентов, 
магистрантов, аспирантов, изучающих методологию количественных исследований и  методы статистического анализа 
данных; преподавателей, научных сотрудников и  специалистов, принимающих участие в эмпирических исследованиях. 
Его изучение предполагает предварительное знакомство с основами прикладной статистики (на  уровне одномерных распределений, анализа парных связей, проверки статистических 
гипотез) и  одним из  программных средств статистического 
анализа данных (SPSS, Statistica, R и т.п.).


1.  КОРРЕЛЯЦИОННЫЙ 
И РЕГРЕССИОННЫЙ АНАЛИЗ
1.1.  Структура связей между 
переменными
В  зависимости от  вкладываемого в  исследование смысла 
связи между переменными могут быть как  корреляционными, так и  причинными (каузальными). Связь между двумя 
переменными называется корреляционной, если они рассматриваются как двусторонне взаимодействующие, без выделения причины и следствия. Связь называется причинной, если 
одна из переменных (зависимая) измеряет следствие, а другая 
или несколько независимых переменных (предикторов) измеряют одну или несколько причин.
Меры корреляционной связи. Большинство статистических 
мер связи предназначены для  измерения парных корреляционных связей между переменными. Разумеется, они могут использоваться и для причинных связей на тех уровнях анализа, 
когда их причинно-следственное содержание игнорируется.
Выбор меры связи между двумя переменными зависит, 
в первую очередь, от уровня их измерения: для двух количественных переменных это коэффициент линейной корреляции 
Пирсона; для двух порядковых переменных – коэффициенты 
ранговой корреляции Спирмана и Кендалла; для двух дихотомических переменных – коэффициенты Ф (фи) и Юла; для номинальных переменных с числом градаций более двух – коэффициент Крамера. Если переменные имеют разный уровень 
измерения, выбирается коэффициент, соответствующий более 
низкому уровню. Например, если одна переменная является 
количественной, а вторая порядковой, рекомендуется использовать одну из порядковых мер связи (возможно, количественную переменную придется при  этом сгруппировать в  интервалы); если одна из  переменных является номинальной, а 
вторая – порядковой, следует использовать коэффициент Крамера. В многомерной статистике наиболее часто используется 
коэффициент линейной корреляции Пирсона в силу его универсальности.


Наибольший интерес в  задачах многомерной статистики 
представляют переменные, связи между которыми обладают 
«направленностью», т.е. могут трактоваться как  «прямые» 
или «обратные». Понятие направленности может применяться 
только в двух случаях. Во-первых, когда обе переменные являются количественными и (или) порядковыми: связь является прямой, если значения двух переменных одновременно увеличиваются или  уменьшаются; обратной  – если увеличение 
значения одной переменной сопровождается уменьшением 
значения другой. Во-вторых, когда обе переменные являются 
дихотомическими: связь является прямой, если два фиксируемых свойства объектов чаще встречаются и не встречаются совместно, чем порознь; обратной – если соответствующие 
свойства чаще встречаются порознь, чем совместно.
Коэффициент корреляции между переменными xi и xj обозначается ri, j и обладает следующими свойствами:
1)  коэффициент корреляции симметричен (ri, j = rj, i);
2)  значение коэффициента корреляции находится в пределах –1 ≤ ri, j ≤ 1 для направленных связей; 0 ≤ ri, j ≤ 1 для ненаправленных связей;
3)  ri, j = 0, если связи между переменными нет;
4)  ri, j > 0, если связь является прямой или ненаправленной;
5)  ri, j < 0, если связь является обратной;
6)  ri, j = ±1, если связь является полной, т.е. по значению 
одной переменной можно точно определить значение второй.
Идеальным случаем для  задач снижения размерности и 
классификации является использование переменных с одинаковым уровнем измерения: количественных, порядковых (измеренных с  использованием шкал Лайкерта и  подобных им 
оценочных шкал с четным или нечетным количеством градаций, которые могут рассматриваться как  квазиинтервальные 
или дихотомические. Номинальные переменные, не являющиеся дихотомическими, а  также порядковые переменные, которые не  могут рассматриваться как  квазиинтервальные, используются только в отдельных многомерных статистических 
моделях с применением специально разработанных для этого 
техник, которые будут рассмотрены в соответствующих разделах.


Доступ онлайн
2 000 ₽
В корзину