4400
.pdfМИНОБРНАУКИ РОССИИ Федеральное государственное бюджетное образовательное учреждение высшего образо-
вания «Нижегородский государственный архитектурно-строительный университет»
О.Л.Любимцева
ПРОГРАММНЫЕ СТАТИСТИЧЕСКИЕ КОМПЛЕКСЫ
Учебно-методическое пособие
по подготовке к лабораторным работам по дисциплине: «Программные статистические комплексы»,
для обучающихся по направлению подготовки 27.03.01 «Стандартизация и метрология», направленность (профиль) Стандартизация и сертификация
Нижний Новгород ННГАСУ
2022
УДК
Любимцева О.Л. Программные статистические комплексы, : учебно-методическое пособие / О.Л. Любимцева; Нижегородский государственный архитектурно-строительный университет. – Нижний Новгород: ННГАСУ, 2022. – 12 с. : ил. – Текст : электронный.
В учебно-методическом пособии приводятся характеристики содержания полный перечень тем лабораторных работ по разделам и контрольные вопросы для подготовки.
Предназначено для обучающихся в ННГАСУ по дисциплине: «Программные статистические комплексы», направления подготовки 27.03.01: Стандартизация и метрология, направленность (профиль) Стандартизация и сертификация».
© О. Л. Любимцева, 2022
© ННГАСУ, 2022.
Содержание |
|
Краткое описание курса.......................................................................................... |
5 |
Характеристика лабораторных работ.................................................................... |
7 |
Типы предлагаемых заданий:................................................................................. |
8 |
Контрольные вопросы ............................................................................................ |
9 |
Список рекомендованной литературы ................................................................ |
12 |
Целью освоения учебной дисциплины «Программные статистические комплексы» является получение навыков использования программных средств в профессиональной деятельности, в том числе, для контроля и управ-
ления качеством продукции.
В процессе освоения дисциплины студент должен
−Знать: основные понятия алгебры, информатики, теории вероятностей и ма-
тематической статистики;
−Уметь: выбирать основные математические приемы для решения задач, со-
ставлять простейшие алгоритмы, пользоваться основными программами, ре-
шать поставленные задачи в условиях нечеткой исходной информации, фор-
мулировать выводы;
−Владеть: навыками логичных умозаключений, описанием результатов реше-
ния математических задач, методами и средствами представления знаний, ме-
тодами поиска решений Данная дисциплина позволит студентам не только систематизировать полу-
ченные теоретические знания, укрепить исследовательские навыки, но и дает возможность ориентироваться в области статистических данных.
Краткое описание курса
Курс состоит из 3 разделов. Первый раздел «Современные статистические комплексы: отечественные и зарубежные» является главным для понимания предмета. Он знакомит студентов с обзором отечественных и зарубежных про-
граммных комплексов и классом статистических задач, которые решаются с их помощью. Основы работы в MS Excel являются существенным требова-
нием при аттестации. В основе обработки статистических данных существен-
ную роль играет поиск и подготовка исходных данных, статистические ряды распределения. Студенты знакомятся с такими функциями как: описательная статистика, функции распределения, проверкой статистических гипотез с по-
мощью инструмента Анализ данных. Гипергеометрическое распределение и
распределение Пуассона в контроле качества принципиальная задача для дан-
ного направления подготовки. Студентам предлагается освоить работу в мо-
дулях SPSS и STATISTICA: запуск модулей, структура диалога.
Второй раздел «Классы статистических задач, решаемые комплексами. Их структура и алгоритмическое (теоретическое) обеспечение» подразумевает более глубокое осмысление студентом методов: однофакторный дисперсион-
ный анализ, двухфакторный дисперсионный анализ, двухвыборочный F-тест для дисперсий и применение вышеизложенного для оценки качества изделий,
характеризующихся совокупностью разнородных величин. Такие понятия как коэффициент корреляции Пирсона, диаграмма рассеяния, коэффициент ранго-
вой корреляции, простая линейная регрессия (параметры уравнения регрес-
сии, стандартные ошибки, коэффициент детерминации, проверка значимости коэффициентов регрессии и коэффициента детерминации) направленны на возможность прогнозирования процессов. Первичный анализ данных в си-
стеме SPSS и STATISTICA дает возможность рассмотреть реализацию выше-
указанных задач в других статистических программах.
Третий раздел «Применение статистических комплексов для оценки постоян-
ных величин и параметров математических моделей переменных величин, за-
висящих от одного или нескольких аргументов, и для оценки качества изде-
лий, характеризующихся совокупностью разнородных величин» является ос-
новным разделом курса. В этом разделе студент применяет полученные знания в использовании программных пакетов при анализе и последующем прогнози-
ровании. Математическая постановка задачи, методы решения, ограничения является одним из требований. Студенты знакомятся с модулем «Кластерный анализ».
Лекции проводятся в интерактивном виде с демонстрацией работы статисти-
ческих программ.
Характеристика лабораторных работ
В отличии от практических занятий, лабораторные работы выполняются сту-
дентами самостоятельно. Темы лабораторных работ определены заранее. Кон-
троль и оценка результатов выполнения студентами лабораторных работ направлены на проверку освоения умений, практического опыта, развития об-
щих и формирование профессиональных компетенций.
Темы лабораторный работ:
1.Определение закона распределения и оценка его параметров
2.Оценка параметров распределения
3.Описательная статистика. Функции распределения. Проверка статисти-
ческих гипотез.
4.Возможности инструмента "Анализ данных" в программе MS Excel.
5.Построение Контрольных карт Шухарта и анализ результата
6.Ввод, исправление и сохранение данных в программе STATISTICA.
7.Применение инструментов Базовой статистики и визуализация данных
8.Факторный анализ. Корреляционно -регрессионный анализ. Практиче-
ское применение программы STATISTICA
9.Построение контрольных карт в программе STATISTICA. Формирова-
ние управленческих решений на их основе.
10.Простейшие операции статистического анализа в программе SPSS
11.Анализ взаимосвязей качественных и количественных переменных
12.Корреляционно - регрессионный анализ. Контрольные карты Шухарта.
Практическое применение программы SPSS
13.Применение полученных знаний к задачам сформулированным в РГР
Типы предлагаемых заданий:
1.
Оператор |
|
Станок |
|
|
|
1 |
2 |
|
3 |
4 |
|
|
|
||||
1 |
109 |
110 |
|
108 |
110 |
|
110 |
115 |
|
109 |
108 |
2 |
110 |
110 |
|
111 |
114 |
|
112 |
111 |
|
109 |
112 |
3 |
116 |
112 |
|
114 |
120 |
|
114 |
115 |
|
119 |
117 |
Исследуются факторы, влияющие на прочность синтетического волокна на разрыв. Случайным образом выбираются три оператора и четыре станка и проводится эксперимент из одной партии. Данные эксперимента приво-
дится в данной таблице.
Проведите анализ данных и сделайте выводы. Оцените компоненты дис-
персии.
2.
Результаты девяти выборочных замеров времени изготовления детали
(мин) приведены в таблице
Номер замера |
Время изготовления |
|
(мин) |
||
|
||
1 |
44 |
|
2 |
48 |
|
3 |
50 |
|
4 |
46 |
|
5 |
50 |
|
6 |
46 |
|
7 |
47 |
|
8 |
51 |
|
9 |
50 |
Предполагая, что время изготовления – нормально распределенная случай-
ная величина, на уровне значимости 0,05 требуется ответить на вопросы:
a)Можно ли принять 50 мин в качестве нормативного времени изготов-
ления детали?
b)Можно ли принять норматив 49 мин?
3.
Построить контрольные карты Х и R по данным, приведенным ниже.
№ выборки |
|
|
|
|
Измерения |
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
1 |
77,3 |
79,2 |
77,4 |
76,3 |
|
81,6 |
|
|
76,1 |
|
2 |
80,1 |
76,0 |
|
76,5 |
|
75,6 |
77,4 |
|
|
|
3 |
76,5 |
78,4 |
76,2 |
75,5 |
|
|
78,5 |
73,2 |
|
|
4 |
79,1 |
78,7 |
72,6 |
77,9 |
|
75,9 |
77,1 |
77,7 |
74,2 |
76,6 |
5 |
76,6 |
76,4 |
77,2 |
76,1 |
|
78,7 |
|
|
|
|
6 |
77,3 |
75,9 |
75,8 |
78,9 |
|
|
|
|
72,3 |
|
7 |
74,7 |
72,6 |
76,6 |
72,0 |
|
74,2 |
75,8 |
|
|
|
8 |
78,1 |
75,6 |
77,4 |
|
|
|
|
|
78,1 |
|
9 |
78,5 |
75,1 |
79,1 |
77,7 |
|
78,7 |
|
|
|
79,0 |
10 |
78,6 |
79,2 |
76,4 |
76,9 |
|
77,1 |
|
75,5 |
|
|
11 |
|
76,2 |
77,8 |
|
|
75,6 |
77,8 |
78,6 |
78 |
|
12 |
|
76 |
|
79,4 |
|
78,3 |
78,9 |
|
|
|
Контрольные вопросы
Контрольные вопросы к разделу 1:
1.Понятие и особенности информационного общества.
2.Современные статистические комплексы. Excel, SPSS, STATISTICA.
3.Статистическое наблюдение. Формы представления данных.
4.Абсолютные и относительные величины. Средние величины и показа-
тели вариации.
5.Средние величины. Виды и способы вычисления.
6.Сведения о программно-статистическом комплексе Microsoft Excel.
7.Документ Excel – рабочая книга.
8.Microsoft Excel. Основные приемы работы.
9.Методы описательной статистики. Меры центральной тенденции.
10.Сведения о программно-статистическом комплексе SPSS.
11.Настройка системы SPSS.
12.SPSS. Основные приемы работы.
Контрольные вопросы к разделу 2:
1.Корреляционный анализ. Проверка значимости параметров связи.
2.Проверка значимости множественного коэффициента корреляции, урав-
нения регрессии.
3.Интервальное оценивание коэффициента регрессии. Мультиколлинеар-
ность.
4.Дисперсионный анализ.
5.Регрессионные коэффициенты. Графики остатков, диаграмма Парето эффектов.
6.Контурные диаграммы и диаграммы поверхности.
7.Microsoft Excel. Надстройка «Пакет анализа».
8.Нормальное и равномерное распределение.
9.Критерий Пирсона.
10.Коэффициент корреляции.
11.Microsoft Excel. Режим работы «Регрессия».
12.Microsoft Excel. Функция «Анализ данных «Коэффициенты регрессии».
Контрольные вопросы к разделу 3:
1.Понятие математической модели.
2.Что является основой прогнозирования.
3.Понятие временного ряда. Особенности временных рядов.
4.Понятие тренда.
Как осуществить прогнозирование с помощью MS Excel и STATISTICA
Приложение