Štatistika IBM SPSS. Úroveň 5. Viacrozmerná štatistická analýza - kurz 34 990 RUB. od Špecialistu, školenie 32 ak. h., Dátum: 17. september 2023.
Rôzne / / December 05, 2023
Kurz skúma viacrozmerné štatistické metódy, ktoré sú tiež klasifikované ako metódy dolovania údajov. Tieto metódy umožňujú nájsť skryté a nezjavné vzory vo veľkom množstve údajov a na základe týchto vzorov robiť manažérske rozhodnutia.
Rozhovor 1. Úvod
Rozhovor 2. Stručná história SPSS
Rozhovor 3. Pre koho sú kurzy SPSS určené?
Rozhovor 4. Výhody kurzov SPSS v špecialistovi
Rozhovor 5. Štatistické metódy pre analýzu údajov pomocou IBM SPSS Statistics
Rozhovor 6. Pokročilá analýza údajov s IBM SPSS Statistics
Rozhovor 7. Prezentácia údajov v tabuľkách v IBM SPSS Statistics
Rozhovor 8. Vykonávanie výberových zisťovaní pomocou modulu Komplexné vzorky IBM SPSS Statistics
Rozhovor 9. Efektívne techniky pre správu súborov a údajov v IBM SPSS Statistics
Rozhovor 10. Záver
Naučíš sa:
- Vykonávať zhlukovú analýzu pomocou rôznych metód
- Analýza faktorov správania a komponentov
- Vykonávať diskriminačnú analýzu a klasifikáciu na jej základe
- Zostavte rozhodovacie stromy a analyzujte ich
- Zostavte viacrozmerné disperzné modely
Profesionálny učiteľ-praktický pracovník s rozsiahlymi a rôznorodými pracovnými skúsenosťami, ako aj viac ako 10-ročnou pedagogickou praxou. Pútavým, zrozumiteľným spôsobom vysvetľuje edukačný materiál na mnohých zaujímavých príkladoch z vlastnej praxe. Jas...
Profesionálny učiteľ-praktický pracovník s rozsiahlymi a rôznorodými pracovnými skúsenosťami, ako aj viac ako 10-ročnou pedagogickou praxou. Pútavým, zrozumiteľným spôsobom vysvetľuje edukačný materiál na mnohých zaujímavých príkladoch z vlastnej praxe. Jas a živosť prezentácie Aliny Viktorovny pomáha poslucháčom rýchlo a plne si osvojiť učivo. Učiteľ podrobne odpovedá na všetky otázky, ktoré vyvstanú z publika, a pozorne komentuje analyzované situácie.
Alina Viktorovna má niekoľko vysokoškolských vzdelaní v odboroch „Informačné technológie“ a „Ekonóm“. Je držiteľom akademického titulu kandidáta technických vied v odbore automatizácia a riadenie technických procesov v priemysle. Podieľal sa na vývoji štatistických modelov pre automatizáciu technologického procesu výroby tabuľového skla, na projektoch na implementácia štatistických metód pre riadenie procesov v automobilovom priemysle (v závodoch ako AvtoVAZ, KamAZ, GAZ a atď.). Analyzuje systém zdravotnej starostlivosti v regiónoch Ruskej federácie. Ako analytik sa zúčastňuje projektu na identifikáciu podnikateľských tendencií medzi školákmi.
Vypracovala mnoho vzdelávacích a metodických komplexov, opakovane sa podieľala na práci certifikačnej komisie pre obhajoby kvalifikačných prác. Autor 17 vedeckých prác vrátane vedeckých článkov v ruských a zahraničných publikáciách. Disponuje certifikátom nemeckej spoločnosti Q-DAS na vykonávanie špecializovaných školení na štatistické riadenie procesov pre spoločnosť BOSCH.
Alina Viktorovna dokonale ovláda metodiky popisovania obchodných procesov, modelovania systémov, statických metód spracovania dát a štandardov návrhu IS. Na svojich hodinách uvádza príklady z rôznych pracovných oblastí, aby bol materiál rovnako zrozumiteľný pre študentov z rôznych odvetví.
Modul 1. Klastrová analýza a jej aplikácia (2 ac. h.)
- Metódy viacrozmernej klasifikácie
- Koncepcia a oblasti použitia zhlukovej analýzy
- Úlohy klastrovej analýzy
- Metódy klastrovej analýzy
- Výhody a nevýhody zhlukovej analýzy
- Etapy zhlukovej analýzy
- Počiatočné údaje pre analýzu zhlukov
- Meria vzdialenosť medzi objektmi
- Analýza kvality klasifikácie
Modul 2. Hierarchická zhluková analýza (4 ac. h.)
- Vlastnosti hierarchickej zhlukovej analýzy
- Algoritmus hierarchických metód zhlukovej analýzy
- Meria vzdialenosť medzi klastrami
- Postupové vzdialenosti
- Miery rozdielu
- Miery podobnosti
- Postup Hierarchická zhluková analýza
- Výber metódy hierarchickej zhlukovej analýzy
- Výsledky postupu hierarchickej zhlukovej analýzy
- Grafické znázornenie výsledkov hierarchickej zhlukovej analýzy
- Nastavenie štatistiky pre postup hierarchickej klastrovej analýzy
- Ukladanie nových premenných
Modul 3. Klasifikácia pomocou metódy k-means (2 ac. h.)
- Podstata a vlastnosti metódy k-means
- Algoritmus metódy k-means
- Postup Zhluková analýza pomocou metódy k-means
- Výsledky procedúry Zhluková analýza metódou k-means
- Nastavenie počtu iterácií
- Nastavenie ďalších parametrov
- Výsledky zobrazenia ďalších nastavení
- Ukladanie nových premenných
- Grafická prezentácia výsledkov
Modul 4. Dvojstupňová klastrová analýza (4 ac. h.)
- Vlastnosti dvojstupňovej zhlukovej analýzy
- Predpoklady pre dvojstupňovú zhlukovú analýzu
- Algoritmus pre dvojstupňovú zhlukovú analýzu
- Postup Dvojstupňová zhluková analýza
- Súhrn výsledkov modelu
- Hodnotenie klastrovej štruktúry
- Zobrazenie informácií o klastroch
- Zobrazenie informácií o klastroch
- Výstupná kontrola
- Výstup postupu dvojkrokovej klastrovej analýzy
- Prídavný panel Cluster Viewer
- Výber pozorovaní podľa zhlukov
- Parametre postupu dvojstupňovej zhlukovej analýzy
Modul 5. Metódy redukcie rozmerov: faktorová a komponentová analýza (4 ac. h.)
- Koncept faktorovej analýzy
- Účel a ciele faktorovej analýzy
- Etapy faktorovej analýzy
- Predpoklady pre použitie faktorovej analýzy
- Algoritmus analýzy komponentov
- Algoritmus faktorovej analýzy
- Porovnanie faktorovej a komponentnej analýzy
- Predpoklady pre použitie faktorovej a komponentovej analýzy
- Postup Faktorová analýza
- Výsledky postupu faktorovej analýzy
- Pravidlá pre výber faktorov
- Výber metódy faktorovej analýzy
- Problém rotácie faktorov
- Úprava rotácie faktorov
- Parametre postupu faktorovej analýzy
- Výstup popisnej štatistiky
- Ukladanie hodnôt faktorov
Modul 6. Klasifikácia založená na odozve: diskriminačná analýza (4 ac. h.)
- Segmentácia na základe odpovedí
- Segmentačné metódy založené na odozve
- Počiatočné údaje pre diskriminačnú analýzu
- Podobnosti medzi diskriminačnou analýzou a logistickou regresiou
- Rozdiely medzi diskriminačnou analýzou a logistickou regresiou
- Účel a ciele diskriminačnej analýzy
- Predpoklady pre diskriminačnú analýzu
- Etapy diskriminačnej analýzy
- Metódy diskriminačnej analýzy
- Počiatočné údaje
- Model lineárnej diskriminačnej analýzy
- Postup Diskriminačná analýza
- Výsledky postupu analýzy diskriminácie
- Štatistika postupu analýzy diskriminácie
- Metóda postupného výberového konania Diskriminačná analýza
- Klasifikácia na základe výsledkov diskriminačnej analýzy
- Klasifikačná štatistika
- Ukladanie nových premenných
Modul 7. Viacrozmerná analýza rozptylu (4 ac. h.)
- Viacrozmerná analýza rozptylu
- Nastavenie parametrov pre OLM-viacrozmernú procedúru
- Hlavné výsledky viacrozmernej analýzy rozptylu
- ANOVA s opakovanými opatreniami
- GLM postup - opakované merania
- Nastavenie parametrov pre postup opakovaných meraní OLM
Modul 8. Klasifikačné modely založené na rozhodovacích stromoch (8 ac. h.)
- Podstata metódy konštrukcie rozhodovacieho stromu
- Oblasti použitia rozhodovacieho stromu
- Vlastnosti a predpoklady používania metódy rozhodovacieho stromu
- Metódy konštrukcie rozhodovacieho stromu
- Porovnanie metód konštrukcie rozhodovacieho stromu
- Stromy klasifikácie procedúr
- Interpretácia a štúdium rozhodovacích stromov
- Kontrola vhodnosti modelu
- Prispôsobenie výstupu v procedúre klasifikačných stromov
- Nastavenia a parametre procedúry Klasifikačné stromy
- Pravidlá klasifikácie pozorovaní
- Kritériá v postupe klasifikačných stromov
- Regresné rozhodovacie stromy
- Konštrukcia regresných rozhodovacích stromov