- •Введение
- •Компьютерные методы и технологии анализа и интерпретации данных
- •1.1. Методы математической статистики
- •Методы анализа для проверки исследовательских гипотез
- •Пакет для прикладного статистического анализа данных statistica
- •Одномерный и многомерный статистический анализ
- •Компьютерное моделирование в научных исследованиях
- •Понятие компьютерной модели
- •Суть компьютерного моделирования
- •. Прикладные инструментальные пакеты для решения математических задач на компьютере
- •2.4. Программные средства моделирования систем
- •2.4.1. Использование универсальных языков для компьютерного моделирования
- •2.4.2. Использование специализированных языков для компьютерного моделирования
- •2.4.3. Использование имитационных сред для компьютерного моделирования
- •2.5. Этапы компьютерного моделирования
- •Компьютерное моделирование как основа представления баз знаний
- •Визуальное моделирование для разработки программного обеспечения
- •3.1. Графовая метафора визуализации по
- •3.2. Понятие визуального моделирования
- •3.3. Средства визуального моделирования
- •3.4. Метод использования визуального моделирования sadt
- •3.5. Современные методы использования визуального моделирования
- •Case-пакеты как универсальные программные инструменты
- •Предметно-ориентированные программные инструменты
- •3.8. Эволюция средств программирования
- •4.1.2. Гост р 52657-2006. Рубрикация электронных образовательных ресурсов
- •4.2. Проблемы современного образования
- •4.3. Сферы применения информационных технологий обучения
- •4.4. Роль преподавателя в условиях применения информационных технологий
- •4.5. История развития, современное состояние и перспективы развития информационных технологий обучения
- •5. Математические модели обучения
- •5.1. Линейная модель обучения
- •5.2. Одноэлементная бинарная модель обучения
- •5.3. Модель Эстеса
- •6. Технология создания мультимедийного курса
- •6.1. Проектирование курса
- •6.2. Подготовка материалов для курса
- •6.2.1. Подготовка текстов
- •6.2.2. Подготовка статических иллюстраций
- •6.2.3. Создание мультимедиа
- •6.3. Компоновка материалов в единый программный комплекс
- •6.3.1.Пользовательский интерфейс электронного учебника
- •6.3.2. Создание локальных компонент мультимедийного курса
- •6.3.3. Создание сетевых компонент
- •6.3.4. Реализация технологии клиент-сервер
- •6.4. Использование мультимедийных курсов в учебном процессе
- •6.4.1. Особенности мультимедийных курсов по образовательным отраслям
- •6.4.2. Особенности мультимедийных курсов по видам учебной деятельности
- •6.4.3. Анализ эффективности использования мультимедиа в учебном процессе
- •6.5. Пример мониторинга процесса дистанционного обучения
- •7. Инструментальные средства для подготовки учебных комплексов
- •7.1. Конструктор дистанционных курсов eAuthor
- •7.2. Объектно-ориентированная система разработки Quest
- •7.3. Авторская система Seminar
- •7.4. Универсальная инструментальная среда stratum
- •7.5. Программный продукт lersus
- •7.6. Объектно-ориентированные инструментарии разработки ToolBook Assistant и Instructor
- •7.7. Конструктор мультимедийных приложений HyperStudio
- •7.8. Конструктор мультимедийных приложений MultiVision
- •7.9. Пакет разработки мультимедийных приложений HyperMetod
- •7.10. Инструментальная система hm-Card
- •8. Организационные аспекты применения информационных технологий обучения
- •8.1. Выбор используемых компьютерных и информационных средств обучения
- •8.2. Определение совокупности способов и приемов организации познавательной деятельности
- •8.3. Организационные особенности дистанционного образования
- •8.3.1. Личностно-ориентированный способ обучения
- •8.3.2. Структура информационно-образовательной среды
- •8.3.3. Проблемы эффективности образования в новой образовательной среде
- •8.3.4. Приоритеты и проблемы в развитии новых информационных технологий в образовании
- •5. Интеграция национальных информационных ресурсов в мировую информационную среду.
- •Заключение
- •Библиографический список
- •394026 Воронеж, Московский просп., 14
Компьютерные методы и технологии анализа и интерпретации данных
1.1. Методы математической статистики
Конечная цель всякого исследования или научного анализа состоит в нахождении связей (зависимостей) между переменными. Философия науки учит, что не существует иного способа представления знания, кроме как в терминах зависимостей между количествами или качествами, выраженными какими-либо переменными. Таким образом, развитие науки всегда заключается в нахождении новых связей между переменными.
Прикладная статистика определяется как самостоятельная научная дисциплина, разрабатывающая и систематизирующая понятия, приемы, математические методы и модели, предназначенные для организации сбора, стандартной записи, систематизации и обработки статистических данных с целью их удобного представления, интерпретации и получения научных и практических выводов.
Под методами математической статистики предлагается понимать те методы статистической обработки исходных данных, разработка и использование которых апеллируют к вероятностной природе этих данных. Эти методы предусматривают возможность вероятностной интерпретации обрабатываемых данных и полученных в результате обработки статистических выводов.
Условно выделены три центральные проблемы прикладной статистики:
• статистическое исследование структуры и характера взаимосвязей, существующих между анализируемыми количественными переменными;
• разработка статистических методов классификации объектов и признаков;
• снижение размерности исследуемого признакового пространства с целью лаконичного объяснения природы анализируемых многомерных данных.
Вычислительные процедуры прикладного статистического анализа являются достаточно трудоемкими при их реализации. Особенно актуальной проблема трудоемкости становится при многомерном анализе данных. Поэтому эффективная, грамотная, всесторонняя статистическая обработка данных даже небольшого объема практически невозможна без использования вычислительной техники.
Методы анализа для проверки исследовательских гипотез
Проверка выдвинутых исследовательских гипотез производится с помощью корреляционного, дисперсионного или факторного анализов. Вследствие проведенного анализа данных, выдвинутая гипотеза подтверждается или отвергается, что в любом случае говорит о полученном результате.
Conjoint analysis (совместный анализ) Метод анализа, предназначенный для оценки и сравнения атрибутов продуктов с целью выявления тех из них, которые оказывают наибольшее влияние на покупательские решения. Метод "Conjoint analysis" - лучшая технология для измерения важности того или иного фактора из-за того, что он заставляет респондента думать не о том, что важно, а только о его предпочтении. Достоинством метода является возможность выявить латентные факторы, влияющие на поведение потребителей. С помощью данного метода можно выделить оптимальную комбинацию свойств продукта, оставив продукт в приемлемой ценовой категории.
Кластерный анализ - это совокупность методов, позволяющих классифицировать многомерные наблюдения, каждое из которых описывается неким набором переменных. Целью кластерного анализа является образование групп схожих между собой объектов, которые принято называть кластерами. При помощи кластерного анализа можно производить сегментацию рынка (например, выделение приоритетных групп потребителей). Применение методов кластеризации к сегментированию основано на следующих предположениях. Во-первых, считается, что по значениям переменных, которыми описываются свойства потребителей, можно выделить группы схожих потребителей. Во-вторых, считается, что на выделяемом сегменте можно достигнуть лучших маркетинговых результатов по продвижению продукции. Полагается, что более значимо для маркетингового результата, объединение потребителей в группу с учетом мер близости друг к другу. Для обоснования данных предположений используется метод дисперсионного анализа.
Дисперсионный анализ. С помощью дисперсионного анализа исследуют влияние одной или несколько независимых переменных на одну зависимую переменную или на несколько зависимых переменных. Метод статистического анализа, позволяющий определить достоверность гипотезы о различиях в средних значениях на основании сравнения дисперсий (отклонений) распределений (например, можно проверить гипотезу о различиях двух групп потребителей, выделенных при помощи кластеризации). В отличие от корреляционного анализа дисперсионный анализ не дает возможности оценить тесноту связи между переменными.
Регрессионный анализ. Статистический метод установления зависимости между независимыми и зависимыми переменными. Регрессионный анализ на основе построенного уравнения регрессии определяет вклад каждой независимой переменной в изменение изучаемой (прогнозируемой) зависимой переменной величины. В маркетинге часто используется для прогнозирования спроса.
Факторный анализ. Совокупность методов, которые на основе реально существующих связей признаков (или объектов) позволяют выявлять латентные (или скрытые) обобщающие характеристики изучаемых явлений и процессов. Главными целями факторного анализа являются сокращение числа переменных и определение структуры взаимосвязей между переменными, то есть классификация переменных. При сокращении числа переменных итоговая переменная включает в себя наиболее существенные черты объединяемых переменных. Классификация подразумевает выделение нескольких новых факторов из переменных связанных друг с другом. В маркетинге этот метод используется в связи с углублением анализа потребительского поведения, развитием психографики и т.п. задач, в которых необходимо выявление явно не наблюдаемых факторов.
Результаты полевых исследований представляют собой значительные массивы переменных, которые достаточно сложны для обработки "ручным методом". На сегодняшний день, в арсенале исследователей имеется множество программных пакетов, позволяющих оптимизировать и упростить процедуру анализа. Наибольшее распространение получили такие пакеты, как Vortex, SPSS, Statistica.