IBM SPSS Statistika. Razina 5. Multivarijatna statistička analiza - tečaj 34 990 RUB. od Specijalist, izobrazba 32 ak. h., Datum: 17.09.2023.
Miscelanea / / December 05, 2023
Predmet ispituje multivarijantne statističke metode, koje se također svrstavaju u metode rudarenja podataka. Ove metode omogućuju pronalaženje skrivenih i neočitih obrazaca u velikim količinama podataka i donošenje upravljačkih odluka na temelju tih obrazaca.
Razgovor 1. Uvod
Razgovor 2. Kratka povijest SPSS-a
Razgovor 3. Kome su SPSS tečajevi namijenjeni?
Razgovor 4. Prednosti SPSS tečajeva za specijaliste
Razgovor 5. Statističke metode za analizu podataka korištenjem IBM SPSS Statistics
Razgovor 6. Napredna analiza podataka s IBM SPSS Statistics
Razgovor 7. Predstavljanje podataka u tablicama u IBM SPSS Statistics
Razgovor 8. Provođenje istraživanja uzorka korištenjem modula Complex Samples IBM SPSS Statistics
Razgovor 9. Učinkovite tehnike za upravljanje datotekama i podacima u IBM SPSS Statistics
Razgovor 10. Zaključak
Naučit ćeš:
- Provesti klaster analizu različitim metodama
- Provesti faktorsku i komponentnu analizu
- Provesti diskriminativnu analizu i na temelju nje klasifikaciju
- Gradite stabla odlučivanja i analizirajte ih
- Graditi višedimenzionalne modele disperzije
Profesionalni učitelj praktičar s bogatim i raznolikim radnim iskustvom, kao i više od 10 godina iskustva u nastavi. Obrazovno gradivo objašnjava na zanimljiv, razumljiv način, koristeći brojne zanimljive primjere iz vlastite prakse. Svjetlina...
Profesionalni učitelj praktičar s bogatim i raznolikim radnim iskustvom, kao i više od 10 godina iskustva u nastavi. Obrazovno gradivo objašnjava na zanimljiv, razumljiv način, koristeći brojne zanimljive primjere iz vlastite prakse. Svjetlina i živost prezentacije Aline Viktorovne pomaže slušateljima da brzo i u potpunosti asimiliraju nastavni plan i program. Nastavnik detaljno odgovara na sva pitanja koja se javljaju iz publike i pažljivo komentira situacije koje se analiziraju.
Alina Viktorovna ima nekoliko viših obrazovanja u specijalnostima "Informacijske tehnologije" i "Ekonomist". Posjeduje akademski stupanj kandidata tehničkih znanosti iz područja automatizacije i upravljanja tehničkim procesima u industriji. Sudjelovao u izradi statističkih modela za automatizaciju tehnološkog procesa proizvodnje limenog stakla, u projektima na implementacija statističkih metoda za kontrolu procesa u automobilskoj industriji (u pogonima kao što su AvtoVAZ, KamAZ, GAZ i itd.). Analizira zdravstveni sustav regija Ruske Federacije. Sudjeluje u projektu identifikacije poduzetničkih sklonosti kod školske djece kao analitičar.
Razvila je mnoge obrazovne i metodološke komplekse, te je više puta sudjelovala u radu povjerenstva za certifikaciju za obranu kvalifikacijskih radova. Autor je 17 znanstvenih radova, uključujući znanstvene članke u ruskim i stranim publikacijama. Posjeduje certifikat njemačke tvrtke Q-DAS za provođenje specijalizirane obuke iz statističkog upravljanja procesima za tvrtku BOSCH.
Alina Viktorovna besprijekorno vlada metodologijama za opisivanje poslovnih procesa, modeliranjem sustava, statičkim metodama obrade podataka i standardima dizajna IS-a. Na nastavi daje primjere iz različitih područja rada kako bi gradivo bilo jednako razumljivo studentima iz različitih djelatnosti.
Modul 1. Klaster analiza i njena primjena (2 ak. h.)
- Metode višedimenzionalne klasifikacije
- Pojam i područja primjene klaster analize
- Zadaci klaster analize
- Metode klaster analize
- Prednosti i nedostaci klaster analize
- Faze klaster analize
- Početni podaci za klaster analizu
- Mjeri udaljenost između objekata
- Analiza kvalitete klasifikacije
Modul 2. Hijerarhijska analiza klastera (4 ak. h.)
- Značajke hijerarhijske klaster analize
- Algoritam hijerarhijskih metoda klaster analize
- Mjeri udaljenost između klastera
- Udaljenosti postupka
- Mjere razlike
- Mjere sličnosti
- Postupak Hijerarhijska analiza klastera
- Odabir metode hijerarhijske klaster analize
- Rezultati postupka Hijerarhijske klaster analize
- Grafički prikaz rezultata hijerarhijske klaster analize
- Postavljanje statistike za postupak Hijerarhijske klaster analize
- Spremanje novih varijabli
Modul 3. Klasifikacija pomoću metode k-srednjih vrijednosti (2 ac. h.)
- Bit i značajke metode k-srednjih vrijednosti
- Algoritam metode k-srednjih vrijednosti
- Postupak Klaster analiza primjenom metode k-srednjih vrijednosti
- Rezultati postupka Klaster analize metodom k-means
- Postavljanje broja ponavljanja
- Postavljanje dodatnih parametara
- Rezultati prikaza dodatnih postavki
- Spremanje novih varijabli
- Grafički prikaz rezultata
Modul 4. Dvostupanjska analiza klastera (4 ak. h.)
- Značajke dvostupanjske klaster analize
- Preduvjeti za dvostupanjsku klaster analizu
- Algoritam za dvostupanjsku klaster analizu
- Postupak Dvostupanjska klaster analiza
- Sažetak rezultata modela
- Procjena strukture klastera
- Pregledajte informacije o klasterima
- Prikaz informacija o klasterima
- Kontrola izlaza
- Izlaz postupka analize klastera u dva koraka
- Dodatna ploča preglednika klastera
- Izbor opažanja po klasterima
- Parametri postupka dvostupanjske klaster analize
Modul 5. Metode redukcije dimenzionalnosti: faktorska i komponentna analiza (4 ak. h.)
- Pojam faktorske analize
- Svrha i ciljevi faktorske analize
- Faze faktorske analize
- Preduvjeti za korištenje faktorske analize
- Algoritam analize komponenti
- Algoritam faktorske analize
- Usporedba faktorske i komponentne analize
- Preduvjeti za korištenje faktorske i komponentne analize
- Postupak Faktorska analiza
- Rezultati postupka faktorske analize
- Pravila za odabir faktora
- Odabir metode faktorske analize
- Problem rotacije faktora
- Podešavanje rotacije faktora
- Parametri postupka faktorske analize
- Izlaz deskriptivne statistike
- Spremanje vrijednosti faktora
Modul 6. Klasifikacija temeljena na odgovoru: diskriminativna analiza (4 ak. h.)
- Segmentacija na temelju odgovora
- Metode segmentacije na temelju odgovora
- Početni podaci za diskriminirajuću analizu
- Sličnosti između diskriminativne analize i logističke regresije
- Razlike između diskriminativne analize i logističke regresije
- Svrha i ciljevi diskriminativne analize
- Preduvjeti za diskriminirajuću analizu
- Faze diskriminativne analize
- Metode diskriminativne analize
- Početni podaci
- Model linearne diskriminacijske analize
- Postupak Diskriminantna analiza
- Rezultati postupka diskriminativne analize
- Statistika postupka diskriminativne analize
- Metoda postupnog selekcijskog postupka Diskriminantna analiza
- Klasifikacija na temelju rezultata diskriminativne analize
- Statistika klasifikacije
- Spremanje novih varijabli
Modul 7. Multivarijantna analiza varijance (4 ak. h.)
- Multivarijantna analiza varijance
- Postavljanje parametara za OLM-višedimenzionalni postupak
- Glavni rezultati multivarijatne analize varijance
- ANOVA s ponovljenim mjerenjima
- GLM postupak - ponovljena mjerenja
- Podešavanje parametara za OLM-ponovljeni postupak mjerenja
Modul 8. Klasifikacijski modeli temeljeni na stablima odlučivanja (8 ac. h.)
- Bit metode konstruiranja stabla odlučivanja
- Područja primjene stabla odlučivanja
- Značajke i preduvjeti za korištenje metode stabla odlučivanja
- Metode za konstruiranje stabla odlučivanja
- Usporedba metoda za konstruiranje stabla odlučivanja
- Stabla klasifikacije postupaka
- Tumačenje i proučavanje stabala odlučivanja
- Provjera adekvatnosti modela
- Prilagodba izlaza u postupku klasifikacijskih stabala
- Postavke i parametri postupka Klasifikacijskih stabala
- Pravila za klasificiranje opažanja
- Kriteriji u postupku Klasifikacijskih stabala
- Regresijsko stablo odlučivanja
- Konstrukcija regresijskih stabala odlučivanja