Главная > Математика > Прикладная статистика: Основы моделирования и первичная обработка данных
<< Предыдущий параграф
Следующий параграф >>
<< Предыдущий параграф Следующий параграф >>
Макеты страниц

Выводы

1. Прикладная статистика — научная дисциплина, разрабатывающая и систематизирующая понятия, приемы, математические методы и модели, предназначенные для организации сбора, стандартной записи, систематизации и обработки (в том числе с помощью ЭВМ) статистических данных с целью их удобного представления, интерпретации и получения научных и практических выводов.

2. Вопросы, разработки методологии определения априорной системы показателей, характеризующих исследуемый объект или процесс, относятся к компетенции дисциплин, носящих название конкретно-содержательных статистик (экономической, медицинской и т. д.).

3. Математическая статистика, являясь по отношению к прикладной статистике разработчиком и поставщиком части используемого в последней математического аппарата, полностью отстранена от таких функций прикладной статистики как:

«прилаживание» и доработка необходимого математического инструментария в соответствии с конкретной спецификой решаемой реальной задачи;

разработка логико-алгебраических методов статистической обработки данных, т. е. методов, не опирающихся на модельные допущения о вероятностной природе обрабатываемых данных;

преобразование разнообразных форм получаемой информации к стандартному виду исходных статистических данных, их удобное представление и подготовка к обработке;

организация автоматизированной обработки данных на ЭВМ, создание необходимого программного обеспечения.

4. Процесс статистического анализа данных удобно подразделить на следующие основные этапы:

этап 1 — исходный (предварительный) анализ исследуемой системы;

этап 2 — составление плана сбора исходной информации; этап 3 — сбор исходных данных, их подготовка и введение в ЭВМ;

этап 4 — первичная статистическая обработка данных; этап 5 — выбор основных методов и алгоритмов статистической переработки данных, составление детального плана вычислительного анализа материала;

этап 6 — реализация плана вычислительного анализа исходных данных (непосредственная эксплуатация ЭВМ); этап 7 — подведение итогов исследования.

Этапы перечислены в хронологическом порядке, однако в случае необходимости они реализуются в режиме итерационного взаимодействия: результаты реализации более поздних этапов могут содержать выводы о необходимости повторной прогонки (с учетом новой информации) предыдущих этапов.

5. Каждая из основных проблем прикладной статистики может быть сформулирована в виде общей оптимизационной задачи при соответствующем выборе оптимизируемого критерия (функционала) качества метода. Такая оптимизационная формулировка позволяет, в частности:

получить единый (унифицированный) подход к построению и вероятностных, и логико-алгебраических методов статистической обработки данных;

описать конструктивно реализуемый подход к решению проблемы получения устойчивых статистических выводов.

6. Главная цель многомерного статистического анализа — исследование взаимосвязей между показателями для решения следующих задач: восстановление значения результирующего показателя по значениям «сопутствующих» переменных; классификация многомерных наблюдений; снижение размерности исследуемого факторного пространства.

<< Предыдущий параграф Следующий параграф >>
Оглавление