ВУЗ:
Составители:
281
лиц Excel. Архитектура и интерфейс системы STATISTICA состоит из от-
дельных модулей, каждый из которых является полноценным Windows-
приложением.
Система STATISTICA включает следующие модули анализа.
Основные статистики и таблицы. Исчерпывающий набор описа-
тельных статистик (процентных показателей, пропорций, удельных пока-
зателей, таблиц, диаграмм, графиков и.т.п).
Непараметрическая статистика. Непараметрические критерии, ран-
говые корреляции, подгонка распределений
. Непараметрические методы
используются в случае, когда неизвестны параметры распределения иссле-
дуемой выборки (отсюда и термин "непараметрическая статистика") или
переменные измеренные в «слабой» шкале (например, в номинальной или
порядковой). Также их применяют, если объемы данных недостаточны для
применения параметрических методов (например, основанных на предпо-
ложении нормальности распределения исходных данных).
Множественная регрессия.
Пошаговая регрессия с включением и ис-
ключением переменных, нелинейная регрессия, ридж-регрессия, всесто-
ронний анализ остатков, вычисление прогнозов и доверительных интерва-
лов для прогнозируемых значений. Регрессия это категория задач, где цель
состоит в том, чтобы оценить значение непрерывной выходной перемен-
ной по значениям входных переменных.
Временные ряды и прогнозирование. Широкий выбор
моделей ана-
лиза временных рядов, включая модели АРПСС (авторегрессии и проин-
тегрированного скользящего среднего), спектральный анализ, преобразо-
вания рядов, включая быстрое преобразование Фурье и многие другие
процедуры углубленного анализа.
Кластерный анализ. Широкий набор процедур кластерного анализа,
включая иерархическое объединение и метод к-средних. Основная цель
кластерного анализа состоит в организации
статистических данных в на-
глядные структуры (кластеры), схожие по определенным признакам.
лиц Excel. Архитектура и интерфейс системы STATISTICA состоит из от- дельных модулей, каждый из которых является полноценным Windows- приложением. Система STATISTICA включает следующие модули анализа. Основные статистики и таблицы. Исчерпывающий набор описа- тельных статистик (процентных показателей, пропорций, удельных пока- зателей, таблиц, диаграмм, графиков и.т.п). Непараметрическая статистика. Непараметрические критерии, ран- говые корреляции, подгонка распределений. Непараметрические методы используются в случае, когда неизвестны параметры распределения иссле- дуемой выборки (отсюда и термин "непараметрическая статистика") или переменные измеренные в «слабой» шкале (например, в номинальной или порядковой). Также их применяют, если объемы данных недостаточны для применения параметрических методов (например, основанных на предпо- ложении нормальности распределения исходных данных). Множественная регрессия. Пошаговая регрессия с включением и ис- ключением переменных, нелинейная регрессия, ридж-регрессия, всесто- ронний анализ остатков, вычисление прогнозов и доверительных интерва- лов для прогнозируемых значений. Регрессия это категория задач, где цель состоит в том, чтобы оценить значение непрерывной выходной перемен- ной по значениям входных переменных. Временные ряды и прогнозирование. Широкий выбор моделей ана- лиза временных рядов, включая модели АРПСС (авторегрессии и проин- тегрированного скользящего среднего), спектральный анализ, преобразо- вания рядов, включая быстрое преобразование Фурье и многие другие процедуры углубленного анализа. Кластерный анализ. Широкий набор процедур кластерного анализа, включая иерархическое объединение и метод к-средних. Основная цель кластерного анализа состоит в организации статистических данных в на- глядные структуры (кластеры), схожие по определенным признакам. 281
Страницы
- « первая
- ‹ предыдущая
- …
- 279
- 280
- 281
- 282
- 283
- …
- следующая ›
- последняя »