birmaga.ru
добавить свой файл

1
Аннотация

учебной дисциплины «Системы статистического моделирования»


программы профессиональной переподготовки

«Информационная бизнес-аналитика»

Цель: изучить основные методы, применяемые при проведении статистического моделирования, получить базовые навыки использования программного обеспечения IBM SPSS для решения практических задач, приобрести знания, необходимые бизнес-аналитику, позволяющие принять решение о целесообразности применения соответствующего метода при решении конкретной практической задачи и грамотно интерпретировать полученные результаты.

Задачи:

  • получить представление о методах, используемых при статистическом моделировании;

  • изучить основные методы; применяемые при статистическом моделировании,

  • приобрести навыки работы с программным обеспечением IBM SPSS;

  • получить навыки, позволяющие бизнес-аналитику принять решение о целесообразности использования того или иного статистического метода при решении конкретных практических задач;

  • получить навыки грамотной интерпретации полученных результатов моделирования.


Ожидаемые результаты:

В результате изучения дисциплины слушатели должны:

  • знать роль статистического моделирования при проведении бизнес-анализа;

  • приобрести навыки грамотного использования соответствующих статистических методов при решении практических задач;

  • знать функциональные возможности программного обеспечения, позволяющего проводить статистическое моделирование;

  • уметь решать практические задачи с использованием программного обеспечения IBM SPSS,

  • уметь анализировать и грамотно интерпретировать результаты анализа и готовить отчетность, необходимую для принятия управленческих решений;
  • приобрести навыки интеграции теоретических знаний в области статистического моделирования с практическими знаниями в части использования информационных технологий.



Содержание

Классификация основных методов статистического анализа данных, разработанных в рамках теории математической статистики. Шкалы измерения. Переменные и наблюдения, значение переменной в конкретном наблюдении. Имя переменной, тип переменной, метка переменной и метки значений. Пропущенные значения.

Модификация и отбор данных: условный отбор данных и случайная выборка, сортировка и группировка данных, перекодирование переменных, вычисление новых переменных. Поиск ошибок и логических противоречий в данных Объединение файлов, создание объединенной выборки по переменным и наблюдениям.

Использование частотных таблиц для решения практических задач. Процедура расчета частотных таблиц, элементы частотных таблиц и их интерпретация.

Таблицы сопряженности, их назначение, структура и содержание элементов таблицы, ее итоговых показателей. Графическая интерпретация частотных таблиц и таблиц сопряженности.

Получение статистических характеристик распределения вероятностей заданных значений переменных. Проверка распределения на нормальность, однородность дисперсии в группах. Нормализующие преобразования. Стандартизация значений.

Графический анализ данных: построение гистограмм, ящичковых диаграмм - BoxPlot, диаграмм Stem & Leaf - "ствол листья" графика Q-Q Normal Probability Plot - "нормальная вероятностная бумага", графика с удаленным трендом Detrended Normal Plot. Характеристики различных типов графика.

Особенности измерения связи для номинальных и порядковых шкал переменных. Проверка статистических гипотез. Статистическая значимость. Критерий Хи-квадрат и ограничения на его использование.

Особенности измерения связи для переменных, измеренных в интервальной шкале и шкале отношений. Построение и анализ диаграмм рассеяния. Коэффициенты корреляции Пирсона. Ранговые коэффициенты корреляции. Частные корреляции. Значимость связи.

Метод наименьших квадратов. Уравнение регрессии. Предсказанные значения и остатки. Остаточная дисперсия и коэффициент детерминации R-квадрат. Интерпретация коэффициента множественной корреляции R.


Методы классификации. Модель логистической регрессии. Оценка качества модели. Категориальные предикторы, отбор предикторов. Методы диагностики. Мультиномиальная логистическая регрессия.
Оценка и контроль знаний

Промежуточный контроль знаний заключается в решении практических задач на тему: определения принадлежности переменной к определенной шкале измерения, создания подвыборки данных в соответствии с условиями отбора, расчета новых переменных, определения отсутствия связи между переменными, измеренными в разных шкалах, в генеральной совокупности, построение регрессионных зависимостей.

Итоговый контроль знаний проводится в виде экзамена.

Экзамен заключается в написании письменной работы (теста), включающей ответ на теоретический вопрос и решение нескольких практических задач с использованием программного обеспечения IBM SPSS.

Оценка выставляется по десятибалльной системе.
Основная литература (2-3 наименования)


  1. Ахим Бююль, Петер Цефель. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. Торгово издательский дом Dia Soft Москва, Санкт-Петербург, Киев 2002.

  2. Макаров А.А., Тюрин Ю.Н. Статистический анализ на компьютере. М., Наука, 1997.

  3. Кравченко Т.К., Перминов Г.И. Информационные технологии принятия экономических решений. –М.: ГУ-ВШЭ. Тасис, 2006.


Дополнительная литература (3-10 наименований)

  1. Таганов Д.Н. SPSS: Статистический анализ в маркетинговых исследованиях. – СПб.: Питер, 2005. – 192 с.: ил.

  2. Дубнов П.Ю. Обработка статистической информации с помощью SPSS. –М.: NT Press, 2004.

  3. SPSS для Windows. Руководство пользователя. Кн.1-6. М.: Статистические Системы и Сервис. 1996.

  4. SPSS statistical algorithms. 2nd ed. Chicago. SPSS Inc. 1991.

  5. SPSS Base 9.0 Руководство по применению
  6. SPSS Base 9.0 Руководство пользователя


Автор:

Богданова Т.К., к.э.н., доцент кафедры бизнес-аналитики НИУ ВШЭ

ППП «Информационная бизнес-аналитика», ВШБИ Страница