Реферат представить в форме ответов на контрольные вопросы к главам 1 и 2 конспекта лекций, размещенного на сайте кафедры Прикладной информатики по адресу





Скачать 117.77 Kb.
НазваниеРеферат представить в форме ответов на контрольные вопросы к главам 1 и 2 конспекта лекций, размещенного на сайте кафедры Прикладной информатики по адресу
Дата публикации11.01.2015
Размер117.77 Kb.
ТипРеферат
100-bal.ru > Информатика > Реферат

Перечень заданий для аспирантов
дисциплина “Современные информационные технологии”




Задание 1. “Системный анализ”


Преподаватель – Суздалов Е.Г.

Представляется реферат на 5–10 страницах. Реферат может выполняться по одной из следующих тем.

Системный анализ объекта исследования” – описать объект диссертационного исследования как систему, т.е. комплекс элементов и связей, образующих во взаимодействии органическое целое ( в котором фактическое или предполагаемое изменение одного из элементов ведет к изменению других элементов и всей системы в целом).

Информационные технологии, используемые при проведении диссертационного исследования” – дать классификацию информационных технологий, описать их возможности, достоинства, обоснование выбранных технологий.

Основные понятия теории систем. Элементы системного анализа”. Реферат представить в форме ответов на контрольные вопросы к главам 1 и 2 конспекта лекций, размещенного на сайте кафедры Прикладной информатики по адресу:

http://pmi.sutd.ru/index.htm?content=general_pmi/meth_materials.shtm

ссылка “Теория систем и системный анализ”.

Задание 2. “Оформление глав диссертационного исследования”


Преподаватель – Пименов В.И.

Представляется в виде трех файлов (документов Word) – введения с титульной страницей, главы 1 и списка использованных источников. Может использоваться материал, найденный в Интернет. Документы форматируются на основе настроенных стилей (команда меню Формат >> Стили и форматирование), согласно требованиям ГОСТ 7.32-2001. Шрифт для обычного стиля и стиля заголовков – Times New Roman, кегль – 14, красная строка – 1 см, размеры полей: правое – 10мм, верхнее и нижнее – 20мм, левое – 30мм. Заголовки разделов – прописными, подразделов – разреженным шрифтом. Настроить все параметры в соответствующих стилях и применить стили.

Автоматически собрать оглавление и перенести его в начало первого документа или в отдельный файл. Вставить номера страниц со сквозной нумерацией во всех разделах.

Сделать перекрестные ссылки из первых двух документов на используемые источники. Для этого в каждом документе вставить в конце новый раздел, перейти в режим структуры документа и вставить список источников как вложенный документ (делается это только один раз). После этого можно создавать перекрестные ссылки. При создании перекрестных ссылок в дальнейшем следует следить, чтобы вложенный документ был раскрыт (что также делается в режиме структуры документа).

Продемонстрировать преподавателю настройки стилей и обновление ссылок на литературу при корректировке списка источников в отдельном файле.

Задание 3. “Разработка сайта по теме исследования”


Преподаватель – Пименов В.И.

Разработать макет главной страницы и выполнить его html-верстку. Использовать графические знаки и изображения. Сделать несколько ссылок на подразделы сайта. Для удобства выполнения задания можно воспользоваться одним из html-редакторов, например, Macromedia / Adobe DreamWeaver.

Задание 4. “Статистические методы исследований”


Преподаватель – Пименов В.И.

Исследования выполняются в пакете Statgraphics Plus for Windows. Скопировать пакет можно на кафедре Прикладной информатики в любом классе. Пакет размещен на диске C: в папке Statgr_win_2.1 и не требует инсталляции.

Уточнить у преподавателя свой вариант. Исходные данные для проведения статистического исследования размещены в архиве, ссылка на который указана вслед за ссылкой на данный документ. Работа заключается в обработке исходных данных, получении результатов и их анализе. Используются следующие методы анализа данных: первичная статистическая обработка, расчет парных корреляций и многофакторный регрессионный анализ.

Методические указания к заданию 4

Введение


Целью статистического исследования зависимостей является построение математической модели объекта. Ее знание необходимо для прогнозирования поведения или свойств объекта

При построении статистических моделей объект рассматривается как "черный ящик", а реальные взаимосвязи аппроксимируются некоторыми зависимостями.



Входные переменные или признаки называют независимыми переменными, факторами. Выходные переменные характеризуют, например, физические и химические свойства производимого продукта или технико-экономические показатели процесса. Их называют зависимыми переменными или откликами. Случайные компоненты отражают влияние неучтенных на “входе” факторов, например, изменение характеристик оборудования вследствие износа, присутствие случайных примесей, а также случайные ошибки в измерении Y.

Конечной целью статистического исследования зависимостей является построение математической модели объекта

,

которое осуществляется по результатам n измерений входных и выходных переменных (Xi, Yi), i=1,..., n.

Основные этапы статистического анализа




Первичная статистическая обработка данных позволяет сформировать статистическое описание рассматриваемых параметров

Корреляционный анализ предназначен для оценивания значимости влияния факторов (X1 ,..., Xp ) на отклик Y.

Дисперсионный анализ используется для оценивания влияния на отклик Y неколичественных факторов (X1 ,..., Xp ) с целью выбора среди них наиболее важных.

Регрессионный анализ предназначен для определения аналитической зависимости отклика y=f(X) от количественных факторов X из входного набора (X1 ,..., Xp ), X (X1 ,..., Xp ).

Статистический пакет statgraphics


Пакет Statgraphics (Statistical Graphical System)  один из популярных в нашей стране универсальный статистический пакет. Запуск программы выполняется с помощью файла Sgwin.exe из папки Statgr_win_2.1. Пакет не требует инсталляции – для переноса на другой компьютер достаточно скопировать папку Statgr_win_2.1.

Работа с данными


Ввод и редактирование исходных данных

Файлы с переменными (Data File) имеют тип *.SF. Они представляют собой обычные электронные таблицы. Для создания нового файла данных следует развернуть расположенное в левом нижнем углу окно Untitled. Каждой переменной соответствует отдельный столбец, в ячейки которого вводятся значения переменной.

В одном файле могут храниться значения сразу для нескольких переменных X1, X2,..., Y. Исходные данные сохраняются на диске командой Save Data File As. Файл данных может быть закрыт и в дальнейшем открыт для редактирования.

Первичная статистическая обработка: расчет выборочных характеристик, интервальная оценка параметров


Использовать файл с исходные данные ИД##.SF, соответствующий номеру в списке преподавателя. Скопировать его в личную папку.

1. Провести расчет основных и дополнительных выборочных характеристик для параметров X2 и Y.

Необходимые процедуры собраны в разделе Describe/ Numeric Data/ One-Variable Analysis. Предварительно должен быть открыт файл с данными.

Переменная для анализа выбирается кнопками Data и OK после выделения имени переменной в левой части.

Выборочные точечные характеристики рассчитываются табличной процедурой Summary Statistics.

По умолчанию вычисляются основные выборочные характеристики среднего, рассеяния и формы: среднее Average, дисперсия Variance и стандартное отклонение Stdandard deviation, минимальное и максимальное значения, стандартизованные асимметрия Skewness и эксцесс Kurtosis, а также сумма Sum всех замеров переменной. При необходимости с помощью команды Pan Options из контекстного меню можно выбрать дополнительные статистики: медиану Median, моду Mode, размах значений Range, нижнюю квартиль Lower Quartile, верхнюю квартиль Upper quartile, межквартильный размах Interquartile Range.

В нижней части окна анализа или в отдельном окне StatAdvisor можно просмотреть интерпретацию результатов анализа переменной. Например, сообщение "In this case, the standardized skewness value is within the range expected for data from a normal distribution. The standardized kurtosis value is within the range expected for data from a normal distribution" свидетельствует о том, что стандартизованные величины асимметрии и эксцесса лежат в диапазоне, ожидаемом для нормального распределения.

2. Построить гистограммы и эмпирические функции распределения для параметров X2 и Y.

Построение гистограммы для выбранной переменной осуществляется процедурой Frequency Histogram после выбора инструмента Graphics Options . Графики могут быть развернуты на весь экран или свернуты с помощью двойного щелчка мышкой в поле графика.

Количество групп (классов, интервалов группировки), в которые объединяются близкие значения исследуемой переменной, подбирается для получения сглаженного графика.

График Fn(x) эмпирической функции распределения строится установкой в том же контекстном меню режимов Relative, Cumulative и Poligon вместо заданного по умолчанию режима Histogram.

3. Для параметров X2 , Y построить в пакете Statgraphics 95 %-е доверительные интервалы: для математического ожидания и для стандартного отклонения.

Для интервального оценивания параметров одной выборки в разделе Describe/ Numeric Data/ One-Variable Analysis после выбора переменной используется табличная процедура Confidence Intervals.

По умолчанию строятся двусторонние 95%-е доверительные интервалы для среднего значения (Confidence Interval fo Mean) и для стандартного отклонения (Confidence Interval fo Standard Deviation). При необходимости уровень доверия (Confidence Level) можно изменить с помощью команды Pan Options из контекстного меню.

4. На основе результатов п.п. 1 – 3:

привести названия выборочных характеристик на русском языке и их значения,

привести графики гистограммы и эмпирической функции распределения для каждого из параметров X2 и Y,

записать в математической форме 95%-е доверительные интервалы для математических ожиданий x2, y (например, 73.67< x2 < 75.63) и стандартных отклонений x2, y,

по стандартизованным величинам асимметрии A и эксцесса E сделать предположения о виде законов распределения параметров X2 , Y.

Представить отчет о работе с выводами в виде документа Word.

Внимание! Результаты анализа следует копировать через меню Edit и переносить с помощью команды Специальная вставка >> Неформатированный текст или Рисунок (при обычной вставке будет запущена длительная процедура связывания и внедрения объекта StatGraphics).

Расчет парных корреляций


Корреляционный анализ изучает методы, позволяющие ответить на вопросы, имеется ли какая-либо связь между исследуемыми переменными Y и X.

Для количественных переменных в качестве меры связи используют выборочный коэффициент корреляции r (коэффициент корреляции Пирсона). Его вычисляют с помощью оценок параметров распределений входных и выходной переменных, предполагая нормальность их совместного распределения.

1. Создать новые переменные типа x1x1, x1x2, x2x2.

Для задания имени новой переменной нужно последовательно выделить заголовок пустого столбца и в контекстном меню (после щелчка правой клавишей мыши) выбрать Modify Column, после чего в поле Name ввести одно из указанных имен. Создание столбца со значениями новой переменной, которые вычисляются через выражение для ранее созданных переменных выполняются с помощью команды Generate Data из контекстного меню. Задать выражения вида x1^2, x1*x2, x2^2.

2. Сохранить файл с обновленными исходными данными.

3. Выполнить анализ полных парных связей.

Матрица парных коэффициентов корреляции вычисляется в разделе Describe/ Numeric Data/ Multiple Variable Analysis, с помощью табличной процедуры Correlations. Ввести анализируемые векторы данных y, x1, x2, x1x1, x1x2, x2x2, соответствующие исследуемым переменным.

Скопировать в отчет таблицу Sample Correlations. Значения выборочных коэффициентов r приведены для различных пар переменных в первых строках; далее в скобках – число наблюдений n, в третьей строке – вычисленный уровень значимости выч парного коэффициента корреляции.

Проанализировать коэффициенты корреляции для всех возможных пар переменных, содержащих y, на статистически значимое отличие от нуля. Для сочетаний y и xj, y и xj1xj2, j = 1, 2, 3, вычисленные уровни, меньшие 0.05, означают возможную значимость соответствующих связей – парные коэффициенты значимо отличаются от нуля с 95% уровнем доверия.

4. Представить отчет о лабораторной работе по пункту 3. По результатам таблицы Sample Correlations установить, с какими факторами параметр Y имеет наиболее тесные связи, для значимых связей сделать выводы о характере каждой связи (прямая, обратная).

Если r>0, то связь между переменными положительная (прямая, величины X и Y с точностью до случайных погрешностей одновременно возрастают или убывают. При r<0 связь отрицательная (обратная), с возрастанием одной величины другая имеет тенденцию к убыванию.

Например: наибольшую зависимость на параметр y оказывает входная переменная x1, так как вычисленный уровень значимости соответствующего парного коэффициента корреляции выч = 0.0048 < 0.05, а его значение ry-x1 = –0.6 имеет наибольшую абсолютную величину. Связь отрицательная. Также существенное влияние оказывает сочетание входных переменных x1x2 – коэффициент корреляции ry-x1x2 = 0.45, выч = 0.038 < 0.05, связь положительная.

Многофакторный регрессионный анализ


Рассмотрим приемы исследования линейной зависимости между количественными переменными. Выбор множественных регрессионных моделей будем выполнять с помощью автоматической пошаговой регрессии.

Содержание регрессионного анализа представлено на следующем рисунке.


Схема регрессионного анализа
Одним из методов получения оценок параметров регрессии является пошаговая процедура отбора существенных (информативных) факторов. Как критерий качества группы факторов обычно используется коэффициент детерминации (см. п. 1.1.1). Например, процедура последовательного исключения начинается с наиболее полного уравнения, включающего все факторы. На каждом шаге в оставшейся группе ищется фактор, удаление которого приводит к минимальному уменьшению . Уравнение регрессии пересчитывается методом наименьших квадратов с учетом остающихся факторов. Процедура заканчивается, например, когда уменьшение по отношению к предыдущему значению превысило пороговое значение (по F-критерию).

Селекция вперед осуществляется последовательным добавлением в модель самого информативного (из еще не введенных) фактора и прекращается, когда фактор перестает быть значащим для рассматриваемой модели.

Кроме того, на каждой итерации повторно осуществляется проверка значимости ранее выбранных факторов. Факторы, которые становятся незначащими, удаляются.

После ряда этапов выбирается итоговая модель и предоставляются результаты ее окончательного и поэтапного анализа.

1. Использовать файл с исходными данными, обновленный при выполнении корреляционного анализа.

1. Выполнить пошаговую регрессию.

1.1. Выбрать окончательную модель методом селекции вперед.

Процедуры пошаговой регрессии выполняются в разделе Relate/ Multiple Regression. Ввести имя зависимой переменной y и имена факторов x1, x2, x1x1, x2x2, x1x2. Остальные поля ввода оставить заполненными по умолчанию.

Скопировать в отчет итоговую таблицу Regression Analysis. В ней приводятся оценки коэффициентов множественной модели, по которым составляется уравнение подобранной модели y = b0 + b1x1 + b2x2 + … + bjjxjxj + … . Дополнительно приводятся стандартные отклонения коэффициентов, значения t-статистик и их вычисленные уровни значимости.

Для справки. Через контекстное меню (Analysis Options) выбирается метод: Forward Selection – селекция вперед (Backward Selection – селекция назад). Дополнительные настройки: в поле F-to-Enter задано значение F- отношения, F = , выше которого факторы будут вводиться в модель; F-to-Remove – значение, ниже которого факторы будут выводиться из модели; флажок Constant in Model обеспечивает включение в модель свободного члена; режим Display All Steps позволяет выводить информацию о модели после каждого шага процедуры.

Превышение величиной F (которая имеет F-распределение с 1 и степенями свободы) значения F-включения (F-to-Enter) означает, что нулевая гипотеза :=0 отвергается в пользу альтернативы :0.

На каждой итерации в модель вводится фактор с наибольшим значением F, наиболее сильно коррелированный с y, и осуществляется повторная проверка значимости ранее выбранных факторов. Факторы, которые становятся незначащими, удаляются. По мере выполнения этапов повторно вычисляются значения коэффициентов регрессии, коэффициента детерминации модели (R-squared) и остаточной дисперсии S2 (MSE).

1.2. Выполнить дисперсионный анализ выбранной модели регрессии.

Скопировать в отчет вторую таблицу Analysis of Variance (дисперсионный анализ). По ее результатам осуществляется проверка адекватности и информативности множественной модели.

Для справки. В таблице показано разбиение общей суммы квадратов Q = Qмод + Qост , где Qмод – сумма квадратов , характеризующая влияние группы отобранных факторов X=.

Дисперсионный анализ модели дает значение вычисленного уровня значимости F- отношения, значения и статистики Дарбина-Уотсона.

Значение вычисленного уровня значимости выч (P-Value) F- отношения, меньшее 0.5, говорит о том, что подобранная модель является адекватной.

Под таблицей приводятся значение коэффициента детерминации (R-Squared), свидетельствующее о степени информативности многофакторной модели регрессии, и статистика Дарбина-Уотсона d.

Величина показывает, какая доля вариации отклика y объясняется подобранной моделью. Значение, большее 80%, говорит о высокой информационной способности линейной модели.

Для справки. Значение d2 указывает на отсутствие автокорреляции остатков и полноту учета факторов. Если в поведении остатков есть значительная положительная автокорреляция, то d0, при значительной отрицательной автокорреляции d4. Наличие автокорреляции означает, что последовательные значения остатков коррелируют между собой, что вызывает возрастание ошибок при оценивании параметров регрессии. Причинами автокорреляции остатков могут быть невключение в модель существенного фактора, оказывающего систематическое влияние на отклик.

2. Представить отчет о работе по пунктам 1–2. Записать найденное уравнение регрессии. Сделать вывод о его адекватности и информационной способности.

Например. В результате проведенных исследований, установлены зависимости выходной переменной y от параметров x1 и x2.Найдена окончательная модель регрессии

y= 396.6105.76x1 + 1110.34 x1x2 + 3.24504.54.

Модель с доверительной вероятностью 95% адекватна – значение F-отношения равно 276.7, а его вычисленный уровень значимости выч = 0.041 < 0.05. Величина R²=93% > 80%, что говорит о высокой информационной способности линейной модели



Современные информационные технологии: задания аспирантам –

Добавить документ в свой блог или на сайт

Похожие:

Реферат представить в форме ответов на контрольные вопросы к главам 1 и 2 конспекта лекций, размещенного на сайте кафедры Прикладной информатики по адресу iconРеферат представить в форме ответов на контрольные вопросы к главам...
Представляется реферат на 5–10 страницах. Реферат может выполняться по одной из следующих тем
Реферат представить в форме ответов на контрольные вопросы к главам 1 и 2 конспекта лекций, размещенного на сайте кафедры Прикладной информатики по адресу iconКонспект лекций litres ru Аннотация
...
Реферат представить в форме ответов на контрольные вопросы к главам 1 и 2 конспекта лекций, размещенного на сайте кафедры Прикладной информатики по адресу iconКонспект лекций Текст предоставлен изд-вом
...
Реферат представить в форме ответов на контрольные вопросы к главам 1 и 2 конспекта лекций, размещенного на сайте кафедры Прикладной информатики по адресу iconМинистерство
...
Реферат представить в форме ответов на контрольные вопросы к главам 1 и 2 конспекта лекций, размещенного на сайте кафедры Прикладной информатики по адресу icon11: 53: 25 Smirnova Всем спасибо
...
Реферат представить в форме ответов на контрольные вопросы к главам 1 и 2 конспекта лекций, размещенного на сайте кафедры Прикладной информатики по адресу iconКодекса истинного родителя
...
Реферат представить в форме ответов на контрольные вопросы к главам 1 и 2 конспекта лекций, размещенного на сайте кафедры Прикладной информатики по адресу iconНе трогайте мышь и отойдите от клавиатуры
...
Реферат представить в форме ответов на контрольные вопросы к главам 1 и 2 конспекта лекций, размещенного на сайте кафедры Прикладной информатики по адресу iconШпаргалки (двухсторонние) по курсу «Архитектура эвм»
...
Реферат представить в форме ответов на контрольные вопросы к главам 1 и 2 конспекта лекций, размещенного на сайте кафедры Прикладной информатики по адресу iconДж. Ханк Рейнвотер Как пасти котов
...
Реферат представить в форме ответов на контрольные вопросы к главам 1 и 2 конспекта лекций, размещенного на сайте кафедры Прикладной информатики по адресу iconМарина Юрьевна Горбунова Общая социология
...
Реферат представить в форме ответов на контрольные вопросы к главам 1 и 2 конспекта лекций, размещенного на сайте кафедры Прикладной информатики по адресу iconТвердость углеродистых сталей после термообработки
...
Реферат представить в форме ответов на контрольные вопросы к главам 1 и 2 конспекта лекций, размещенного на сайте кафедры Прикладной информатики по адресу iconI идейные основы прогресса общества и современность
...
Реферат представить в форме ответов на контрольные вопросы к главам 1 и 2 конспекта лекций, размещенного на сайте кафедры Прикладной информатики по адресу iconФилософия ориентирована на раскрытие следующих основных проблем
...
Реферат представить в форме ответов на контрольные вопросы к главам 1 и 2 конспекта лекций, размещенного на сайте кафедры Прикладной информатики по адресу iconBateson G. Steps to an Ecology of Mind. N. Y.: Ballantine, 1972
...
Реферат представить в форме ответов на контрольные вопросы к главам 1 и 2 конспекта лекций, размещенного на сайте кафедры Прикладной информатики по адресу iconЮлия Михайловна Войтина Шпаргалка по общей психологии
...
Реферат представить в форме ответов на контрольные вопросы к главам 1 и 2 конспекта лекций, размещенного на сайте кафедры Прикладной информатики по адресу iconТом Кэмпбелл Моя большая теория всего
...


Школьные материалы


При копировании материала укажите ссылку © 2013
контакты
100-bal.ru
Поиск