Презентация «Разведочный анализ данных. Цель и задачи. Обнаружение аномальных наблюдений. Критерий проверки»

Смотреть слайды в полном размере
Презентация «Разведочный анализ данных. Цель и задачи. Обнаружение аномальных наблюдений. Критерий проверки»

Вы можете ознакомиться с презентацией онлайн, просмотреть текст и слайды к ней, а также, в случае, если она вам подходит - скачать файл для редактирования или печати. Документ содержит 18 слайдов и доступен в формате ppt. Размер файла: 237.50 KB

Просмотреть и скачать

Pic.1
«Разведочный анализ данных. Цель и задачи. Обнаружение аномальных наблюдений. Критерий проверки», слайд 1
Pic.2
Цель– представить наблюдаемые данные в компактной и простой форме, позволяющей выявить имеющиеся зак
Цель– представить наблюдаемые данные в компактной и простой форме, позволяющей выявить имеющиеся закономерности и связи Цель– представить наблюдаемые данные в компактной и простой форме, позволяющей …
Pic.3
Какой обработке подвергнуть наблюдения? Какую модель выбрать? Какие заключения можно сделать?
Какой обработке подвергнуть наблюдения? Какую модель выбрать? Какие заключения можно сделать?
Pic.4
Разведочный анализ (Exploratory data analysis) – средство получения более полной информации об изуча
Разведочный анализ (Exploratory data analysis) – средство получения более полной информации об изучаемом явлении Разведочный анализ (Exploratory data analysis) – средство получения более полной …
Pic.5
Оценка - истинного среднего m независимой случайной величины x по выборке объема n Оценка - истинног
Оценка - истинного среднего m независимой случайной величины x по выборке объема n Оценка - истинного среднего m независимой случайной величины x по выборке объема n Доверительный интервал: …
Pic.6
Большинство измерений проводится в конкретных единицах Большинство измерений проводится в конкретных
Большинство измерений проводится в конкретных единицах Большинство измерений проводится в конкретных единицах Резкая асимметрия некоторых распределений (например,2, F) при малых выборках, обрывистые …
Pic.7
Робастные оценки - robust – крепкий, здоровый, Робастные оценки - robust – крепкий, здоровый, Пример
Робастные оценки - robust – крепкий, здоровый, Робастные оценки - robust – крепкий, здоровый, Пример робастной оценки среднего, терпимой к отклонению хвостов распределения от нормального - медиана …
Pic.8
среднеквадратическое отклонение  среднеквадратическое отклонение  дисперсия 2 размах R Оценки эти
среднеквадратическое отклонение  среднеквадратическое отклонение  дисперсия 2 размах R Оценки этих величин обозначают, соответственно, S, S2, R Оценка разброса по S – в линейных преобразованиях …
Pic.9
«Разведочный анализ данных. Цель и задачи. Обнаружение аномальных наблюдений. Критерий проверки», слайд 9
Pic.10
Простая перепроверка. Проверка полученной модели на данных, отличных от тех, по которым определены п
Простая перепроверка. Проверка полученной модели на данных, отличных от тех, по которым определены параметры модели Простая перепроверка. Проверка полученной модели на данных, отличных от тех, по …
Pic.11
«Разведочный анализ данных. Цель и задачи. Обнаружение аномальных наблюдений. Критерий проверки», слайд 11
Pic.12
Пусть выборка изучаемой совокупности x1, …, xn, содержит элементы двух независимых случайных величин
Пусть выборка изучаемой совокупности x1, …, xn, содержит элементы двух независимых случайных величин с плотностями распределений f(x,1) и f(x,2). Пусть выборка изучаемой совокупности x1, …, xn, …
Pic.13
Причины: Причины: грубые ошибки при регистрации измерений, случайные импульсные помехи, сбои оборудо
Причины: Причины: грубые ошибки при регистрации измерений, случайные импульсные помехи, сбои оборудования, измерения в ошибочных единицах и др.
Pic.14
Пусть наблюдения x1, …, xn являются реализациями независимых случайных величин, подчиняющихся одинак
Пусть наблюдения x1, …, xn являются реализациями независимых случайных величин, подчиняющихся одинаковому нормальному N(,2) распределению Пусть наблюдения x1, …, xn являются реализациями …
Pic.15
При построении критерия возможны варианты, зависящие от степени информации о  и . При построении к
При построении критерия возможны варианты, зависящие от степени информации о  и . При построении критерия возможны варианты, зависящие от степени информации о  и . Рассмотрим случай, когда …
Pic.16
Для данных с неправдоподобными наблюдениями использовать робастные процедуры оценивания Для данных с
Для данных с неправдоподобными наблюдениями использовать робастные процедуры оценивания Для данных с неправдоподобными наблюдениями использовать робастные процедуры оценивания Существенно …
Pic.17
Процедура «стебель с листьями» (Stem-and-Leaf) Процедура «стебель с листьями» (Stem-and-Leaf) 250 68
Процедура «стебель с листьями» (Stem-and-Leaf) Процедура «стебель с листьями» (Stem-and-Leaf) 250 688 695 795 795 895 895 895 1099 1166 1333 1499 1693 1699 1775 1895 Три вида записи «стебля с …
Pic.18
А. А. Большаков, Р. Н. Каримов «Методы обработки многомерных данных и временных рядов» Москва 2007 г
А. А. Большаков, Р. Н. Каримов «Методы обработки многомерных данных и временных рядов» Москва 2007 г. А. А. Большаков, Р. Н. Каримов «Методы обработки многомерных данных и временных рядов» Москва …


Скачать презентацию

Если вам понравился сайт и размещенные на нем материалы, пожалуйста, не забывайте поделиться этой страничкой в социальных сетях и с друзьями! Спасибо!