Библиографическое описание:

Дуриндина К. Ю., Цыбенко А. А. Программное обеспечение многомерного статистического анализа // Молодой ученый. — 2016. — №19. — С. 4-8.



При проведении научных исследований, как в технических, так и в гуманитарных областях, возникают задачи обработки больших объёмов данных: выявление зависимостей, проведение статистических и маркетинговых исследований, построение моделей и т. п.

Исходная информация в социально — экономических исследованиях чаще всего представляется в виде набора объектов, каждый из которых характеризуется рядом признаков (показателей). В качестве объектов могут выступать страны, регионы, предприятия, респонденты и так далее, а в качестве признаков — различные показатели социально — экономической структуры изучаемых объектов.

В настоящее время вычислительные системы и компьютерные сети позволяют накапливать большие массивы данных для решения задач обработки и анализа данных.

Подобные задачи обычно решают с помощью статистических пакетов. Однако существующие в настоящее время универсальные программные продукты, реализующие большое количество статистических процедур, стоят немалых денег. Поэтому актуальна задача создания программных средств, реализующих одну или несколько статистических процедур.

При исследовании сложных социально-экономических, технических, медицинских и других объектов и процессов сталкиваются с тем, что соответствующие статистические данные носят многомерный и разнотипный характер. Поэтому одними из основных являются задачи оценки влияния различных факторов на выходные переменные и классификации объектов и процессов по многомерным данным.

Для оценки влияния различных факторов на выходные переменные используют методы многофакторного дисперсионного анализа. Для классификации многомерных объектов и процессов используют методы дискриминантного и кластерного анализа.

В настоящей работе представлено два программных продукта предназначенных для проведения кластерного и дискриминантного анализов соответственно.

После запуска программы для проведения дискриминантного анализа на экране монитора появляется главное окно программы.

Рис. 1. Диалоговое окно программы

На данной панели, можно задавать некоторые параметры, загружать данные, а также можно выбрать загружать данные из файла, или вводить вручную в соответствующую таблицу.

Ход выполнения расчетов и результаты анализа отображаются в окне «Решение».

Рис. 2. Окно «Краткого решения» программы

Рис. 3. Окно «Развернутого решения» программы

После запуска программы для проведения кластерного анализа появится главное окно программного продукта, которое выглядит следующим образом.

Рис. 4. Главная форма программы

В верхнем окне расположены кнопки: для добавления точек вручную, удаление координат из уже внесенных в программу, добавление точек из файла, сохранение результатов в файл; а также поля ввода для добавления необходимых параметров, таких как кластеры (на какое количество группа разбить объекты) и векторы (по какому количеству параметров проводить кластеризацию).

Рис. 5. Кнопочная панель

После заполнения всех полей, и нажатия кнопки «Кластеризация» будут отражены результаты работы программы, а именно, сколько операций было проведено и собственно на какие группы распределились объекты.

Рис. 6. Реализация программы

Сохраненные результаты в файл будут выглядеть следующим образом.

Рис. 7. Результат работы программы

Литература:

  1. Айвазян С. А., Мхитарян В. С. Практикум по прикладной статистике и эконометрике: Учеб. пособие. — М.: МЭСИ, 2012
  2. Айвазян С. А., Мхитарян В. С. Прикладная статистика. Основы эконометрики: Учебник: В 2-х тт. — М.: ЮНИТИДАНА, 2010
  3. Айвазян С. А., Мхитарян В. С. Прикладная статистика в задачах и упражнениях: Учебник. — М.: ЮНИТИДАНА, 2010
  4. Дубров А. М., Трошин Л. И. Многомерные статистические методы: Учебник. — М.: Финансы и статистика, 2010
  5. Орлова И. В. Многомерный статистический анализ в экономических задачах: компьютерное моделирование в SPSS, Москва, Вузовский учебник, 2009. — 310 с.
  6. Фридман, А. Л. Язык программирования С++ / А. Л. Фридман. — М.: Бином, 2006. — 523с.: ил.
  7. Калинина В. Н., Соловьев В. И. Введение в многомерный статистический анализ: Учебное пособие / ГУУ. — М., 2008. — 66 с.
  8. Лепский А. Е., Броневич А. Г. Математические методы распознавания образов: Курс лекций. — Таганрог: Изд-во ТТИ ЮФУ, 2009. — 155 с.
  9. Лагутин М. Б. Наглядная математическая статистика. М.: Пцентр, 2006

Обсуждение

Социальные комментарии Cackle