Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц
Впервые на сайте?
Регистрация Вход

Мы в социальных сетях
Каталог Каталог
Данная публикация изъята из фонда.  Перейти к актуальной версии.
Ознакомиться

Методы и алгоритмы обработки данных

Покупка
Основная коллекция
Тематика: Информационные технологии в экономике и управлении
Издательство: НИЦ ИНФРА-М
Автор: Григорьев Анатолий Алексеевич
Год издания: 2017
Кол-во страниц: 256
Дополнительно
Вид издания: Учебное пособие
Уровень образования: ВО - Бакалавриат
ISBN: 978-5-16-011916-8
ISBN-онлайн: 978-5-16-104449-0
Артикул: 631443.01.01
К покупке доступен более свежий выпуск Перейти
Как еще получить доступ?
Студенту или преподавателю
Отправьте заявку на получение ключа доступа в библиотеку Вашего учебного заведения
Представителю организации
Отправьте заявку на подключение к Znanium по договору
  • Аннотация
  • Оглавление
  • Коллекции
  • Классификаторы
  • Доп. материалы
  • Аффилиация
  • Выпуски издания
  • Бибзапись
  • Фрагменты
В данном учебном пособии рассматриваются некоторые методы и алгоритмы обработки данных, последовательность решения задач обработки и анализа данных для создания модели поведения объекта с учетом всех компонент его математической модели. Описываются виды технологических методов использования программно-аппаратных средств для решения задач в этой области. Рассматриваются алгоритмы распределений, регрессий временных рядов, их преобразование с целью получения математических моделей и прогноза поведения информационно-экономических систем (объектов). Соответствует требованиям Федерального государственного образовательного стандарта высшего образования последнего поколения. Для студентов экономических специальностей, специалистов, аспирантов.
  ВВЕДЕНИЕ
3
  ГЛАВА 1. ОСНОВНЫЕ КОМПОНЕНТЫ В АЛГОРИТМИЗАЦИИ И ПОСЛЕДОВАТЕЛЬНОСТЬ РЕШЕНИЯ ЗАДАЧИ ОБРАБОТКИ ДАННЫХ
6
  1.1. Цели и задачи обработки данных
6
  1.2. Технологии вычислений
9
  1.2.1. Параллельные вычисления
9
  1.2.2. Виды параллельного взаимодействия
9
  1.2.3. Параллельные вычислительные системы
10
  1.2.4. Типы параллелизма
10
  1.3. Вычислительный конвейер
12
  1.3.1. Общий конвейер
12
  1.3.2. Последовательные и векторные конвейеры
14
  1.4. Введение в параллельную обработку
15
  ГЛАВА 2. ПАРАЛЛЕЛЬНАЯ SQL-ОБРАБОТКА
19
  2.1. Архитектура параллельной SQL-обработки. Разделение данных
19
  2.2. Параллельная SQL-обработка
21
  2.3. Конвейерная обработка данных
22
  ГЛАВА 3. АНАЛИЗ ДАННЫХ
26
  3.1. Этапы анализа
26
  3.2. Подготовка исходного набора данных
27
  3.3. Анализ данных (dаtа mining)
29
  ГЛАВА 4. МЕТОДЫ И МОДЕЛИ АНАЛИЗА ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ
32
  4.1. Этапы анализа экономических процессов
32
  4.2. Прогнозирование экономических процессов
36
  4.3. Многофакторные (эконометрические) модели анализа и прогнозирования экономических систем
46
  4.4. Модели сетевого планирования и управления
49
  4.5. Экономико-математические модели в маркетинге
59
  4.6. Экономико-математические модели в области экономики и социологии труда
60
  ГЛАВА 5. ЗАДАЧИ АНАЛИЗА И ПРОГНОЗИРОВАНИЯ
62
  5.1. Задачи анализа временных рядов
62
  5.2. Формы тренда
64
  5.3. Сезонность
65
  ГЛАВА 6. О РАСПРЕДЕЛЕНИЯХ
70
  6.1. Случайная переменная
70
  6.2. Совместное распределение случайных величин
70
  6.3. Оценивание
71
  6.4. Характеристики оценок
71
  6.5. Распределения
73
  6.5.1. Нормальное распределение
73
  6.5.2. Х2-распределение
73
  6.5.3. t-распределение
74
  6.5.4. F-распределение
76
  6.5.5. Квантиль
77
  ГЛАВА 7. МНК — ОДИН ИЗ МЕТОДОВ ОЦЕНКИ ПАРАМЕТРОВ ЛИНЕЙНОЙ ЗАВИСИМОСТИ
78
  ГЛАВА 8. ПАРНАЯ РЕГРЕССИЯ. ВЕРОЯТНОСТНАЯ ПРИРОДА РЕГРЕССИОННЫХ МОДЕЛЕЙ
81
  8.1. Теорема Гаусса-Маркова
83
  8.2. Проверка гипотез и доверительные интервалы
84
  ГЛАВА 9. МНОЖЕСТВЕННАЯ РЕГРЕССИЯ
88
  9.1. Оценка параметров
88
  9.2. Анализ модели множественной регрессии
91
  9.3. Использование регрессионных моделей
93
  9.4. Пропущенные наблюдения
101
  9.5. Прогнозирование на основе регрессионной модели из одного уравнения
103
  9.6. Условный прогноз
109
  ГЛАВА 10. АНАЛИЗ ОСТАТКОВ
111
  10.1. Автокорреляция и автокорреляционная функция
111
  10.2. Стационарные ряды. Свойства стационарных процессов
114
  ГЛАВА 11. МОДЕЛЬ АВТОРЕГРЕССИИ И СКОЛЬЗЯЩЕГО СРЕДНЕГО
118
  11.1. Модель авторегрессии
118
  11.2. Модель скользящего среднего
120
  11.3. Идентификация (выбор структуры) модели
123
  ГЛАВА 12. РАСПРЕДЕЛЕННЫЕ ЛАГИ
129
  12.1. Геометрический лаг
129
  12.2. Полиномиальный распределенный лаг
131
  ГЛАВА 13. МОДЕЛИ КАЧЕСТВЕННОГО ВЫБОРА
133
  13.1. Модели бинарного выбора
133
  13.2. Линейная вероятностная модель
134
  13.3. Пробит-модель
136
  13.4. Логит-модель
138
  ГЛАВА 14. ПРОГНОЗИРОВАНИЕ НА ОСНОВЕ СИСТЕМЫ ОДНОВРЕМЕННЫХ УРАВНЕНИЙ
142
  14.1. Модели уравнений
142
  14.2. Рекурсивные системы уравнений
143
  ГЛАВА 15. ВРЕМЕННЫЕ РЯДЫ
148
  15.1. Классификация рядов динамики, правила их построения
148
  15.2. Показатели изменения уровней рядов динамики
153
  15.3. Компоненты временных рядов
161
  15.4. Стационарные временные ряды и их основные характеристики
163
  15.5. Сглаживание временных рядов с помощью скользящих средних
166
  15.6. Использование взвешенных скользящих средних
170
  15.7. Восстановление краевых значений
176
  15.8. Использование скользящих средних в техническом анализе
179
  ГЛАВА 16. АНАЛИТИЧЕСКОЕ ВЫРАВНИВАНИЕ ВРЕМЕННЫХ РЯДОВ И МОДЕЛИРОВАНИЕ ТЕНДЕНЦИИ РАЗВИТИЯ
182
  16.1. Проверка гипотезы о существовании тренда
182
  16.2. Применение моделей кривых роста для анализа и прогнозирования основной тенденции развития
184
  16.3. Методы выбора кривых роста
197
  16.4. Оценка адекватности и точности выбранных моделей
200
  ГЛАВА 17. СТАТИСТИЧЕСКИЙ АНАЛИЗ И ПРОГНОЗИРОВАНИЕ ПЕРИОДИЧЕСКИХ КОЛЕБАНИЙ
210
  17.1. Статистические методы оценки уровня сезонности. Прогнозирование с помощью тренд-сезонных моделей
210
  17.2. Сезонная декомпозиция и корректировка временных рядов
216
  17.3. Моделирование сезонных колебаний с помощью фиктивных переменных
219
  17.4. Исследование периодических колебаний методами спектрального анализа
222
  17.5. Фундаментальный анализ ценных бумаг в условиях эффективного рынка капитала. Прогнозирование в направлениях сверху вниз и снизу вверх
228
  ГЛАВА 18. КЛАСТЕРНЫЙ АНАЛИЗ КАК ИНСТРУМЕНТ ОБРАБОТКИ ДАННЫХ
234
  18.1. Особенности кластерного анализа
234
  18.2. Задача кластеризации
239
  18.3. Описание объектов кластеризации и выбор переменных
241
  ТЕМЫ ДЛЯ САМОСТОЯТЕЛЬНОГО ИЗУЧЕНИЯ
244
  РЕКОМЕНДОВАННАЯ ЛИТЕРАТУРА
248
  ПРИЛОЖЕНИЯ
252
Тематика:
ББК:
УДК:
ГРНТИ:

Только для владельцев печатной версии книги: чтобы получить доступ к дополнительным материалам, пожалуйста, введите последнее слово на странице №19 Вашего печатного экземпляра.

Ввести кодовое слово
ошибка
  • 545998_Приложения.pdf
Григорьев Анатолий Алексеевич
Григорьев, А. А. Методы и алгоритмы обработки данных : учеб. пособие / А.А. Григорьев. — Москва : ИНФРА-М, 2017. — 256 с. + Доп. материалы [Электронный ресурс; Режим доступа: https://new.znanium.com]. — (Высшее образование: Бакалавриат). — www.dx.doi.org/10.12737/22119. - ISBN 978-5-16-011916-8. - Текст : электронный. - URL: https://znanium.com/catalog/product/545998 (дата обращения: 20.04.2024)
Скопировать запись
Методы и алгоритмы обработки данных, 2022, 631443.04.01 Методы и алгоритмы обработки данных, 2021, 631443.03.01 Методы и алгоритмы обработки данных, 2018, 631443.02.01
Экспорт списка
Excel
RUSMARC .iso
win-1251
UTF-8
RUSMARC .txt
win-1251
UTF-8
IRBIS .txt
win-1251
UTF-8
Фрагмент текстового слоя документа размещен для индексирующих роботов. Для полноценной работы с документом, пожалуйста, перейдите в ридер.
К покупке доступен более свежий выпуск Перейти
Как еще получить доступ?
Студенту или преподавателю
Отправьте заявку на получение ключа доступа в библиотеку Вашего учебного заведения
Представителю организации
Отправьте заявку на подключение к Znanium по договору