В учебном пособии рассмотрены основные статистические методы финансового анализа данных, используемые в аналитическом приложении Deductor Studio: предобработка и очистка данных, линейная регрессия, декомпозиция временного ряда, логистическая регрессия, кластеризация, дерево решений, ассоциативные правила. Приведены примеры, позволяющие получить навыки их практического применения.
Предназначено для проведения лабораторных занятий и самостоятельной работы студентов, обучающихся по направлению подготовки 38.04.05 – «Бизнес-информатика» (магистратура) программы «Финансовый менеджмент и автоматизация учетной деятельности в организации», при изучении дисциплины «Финансовый менеджмент и анализ», а также аналитиков, занимающихся практическими вопросами статистического анализа данных на основе аналитической платформы Deductor.
В учебном пособии рассмотрены основные статистические методы анализа данных, используемые в аналитическом приложении Deductor Studio: предобработка и очистка данных, корреляционный анализ, линейная регрессия, декомпозиция временного ряда, логистическая регрессия, факторный анализ, кластеризация, дерево решений, ассоциативные правила. Приведены примеры, позволяющие получить навыки практического применения их в бизнес-аналитике.
Предназначено для проведения лабораторных занятий и самостоятельной работы студентов, обучающихся по направлению подготовки 38.03.05 – Бизнес-информатика (бакалавриат), при изучении дисциплины «Анализ данных», а также аналитиков, занимающихся практическими вопросами статистического анализа данных на основе аналитической платформы Deductor.
В учебном пособии рассмотрены основные статистические методы анализа данных, используемые в аналитическом приложении Deductor Studio: предобработка и очистка данных, корреляционный анализ, линейная регрессия, декомпозиция временного ряда, логистическая регрессия, факторный анализ, кластеризация, дерево решений, ассоциативные правила. Приведены примеры, позволяющие получить навыки практического применения их в бизнес-аналитике.
Предназначено для проведения лабораторных занятий и самостоятельной работы студентов, обучающихся по направлению подготовки 38.03.05 – Бизнес-информатика (бакалавриат), при изучении дисциплины «Анализ данных», а также аналитиков, занимающихся практическими вопросами статистического анализа данных на основе аналитической платформы Deductor.
В учебном пособии рассмотрены основные инструменты, используемые для регрессионного анализа данных в аналитическом приложении Deductor Studio: линейная регрессия, декомпозиция временного ряда и логистическая регрессия. Приведены примеры, позволяющие получить навыки их практического применения в бизнес-аналитике.
Учебное пособие предназначено для проведения практических занятий и самостоятельной работы студентов, обучающихся по направлениям подготовки 38.03.05 Бизнес-информатика (бакалавриат) и 38.04.05 Бизнес-информатика (магистратура), а также специалистов, интересующихся методами анализа данных в современных статистических пакетах.
В учебном пособии изложены основные вопросы теории статистики, статистики сельского хозяйства (статистика землепользования, животноводства, основных средств, труда, себестоимости), макроэкономической статистики (расчет основных макроэкономических показателей) и статистики финансов и потребления. Рассматривается применение статистики в финансово-экономических расчетах.
В учебном пособии рассмотрены основные статистические методы, используемые в аналитическом приложении Deductor Studio: предобработка и очистка данных, корреляционный анализ, линейная регрессия, декомпозиция временного ряда, логистическая регрессия, факторный анализ, кластеризация, дерево решений. Приведены примеры, позволяющие получить навыки практического применения статистических методов в бизнес-аналитике. Учебное пособие предназначено для проведения практических занятий и самостоятельной работы студентов, обучающихся по направлению подготовки 38.04.05 – Бизнес-информатика (магистратура), при изучении дисциплины «Статистические методы в бизнес-аналитике», а также аналитиков, занимающихся практическими вопросами статистического анализа информации на основе аналитической платформы Deductor.
данных: дискриминантный анализ, факторный анализ, кластерный анализ, иерархический кластерный анализ, метод К-средних, дерево решений. Подробно, вплоть до пошаговых инструкций, описаны способы их решения в статистическом пакте IBM SPSS Statistics 22.
Учебное пособие предназначено для проведения практических занятий и самостоятельной работы студентов, обучающихся по направлениям подготовки 38.03.05 Бизнес-информатика (бакалавриат) и 38.04.05 Бизнес-информатика (магистратура), а также специалистов, интересующихся методами анализа данных в современных статистических пакетах.
Учебное пособие является единственным пока учебным изданием по дисциплине «Теория выборки и оценка рисков». В пособии систематизирована и представлена в единстве рассредоточенная по многим источникам информация по широкому кругу вопросов теории выборки и анализа рисков. Ориентировано на студентов бакалавриата, проходящих обучение по профилям «Бухгалтерского учета, анализа и аудита», «Статистики», «Мировой экономики», «Математических методов в экономике», «Национальной экономики», направления «Экономика». Пособие может также быть полезным для магистрантов и аспирантов.
В сборник включены задачи и упражнения, которые формируют практические навыки расчета статистических показателей, способность интерпретировать и анализировать данные отечественной статистики, выявлять тенденции изменения демографических, экономических и социальных процессов. Издание предназначено для студентов, обучающихся по направлениям подготовки 38.03.01 «Экономика» и 38.03.02 «Менеджмент» (уровень бакалавриата).
В учебном пособии изложены основные методы анализа данных в статистическом пакте IBM SPSS Statistics 22: подготовка данных для анализа (описательные статистики, создание набора данных, построение частотных распределений, интервальная оценка генеральной средней); статистические гипотезы (t-критерий Стьюдента, критерий Колмогорова–Смирнова, критерий χ2, U-критерий Манна–Уитни, критерий знаковых рангов Вилкоксона, дисперсионный анализ); корреляционный и регрессионный анализ (парная корреляция, парная линейная регрессия, многофакторная регрессия, нелинейная регрессия, логистическая регрессия, временные ряды); классификация и снижение размерности данных (дискриминантный анализ, факторный анализ, иерархический кластерный анализ, метод К-средних, дерево решений). Изложение материала рассмотрено на примерах, позволяющих получить навыки практического применения анализа данных в социально-экономических исследованиях. Учебное пособие предназначено для проведения лабораторных занятий и самостоятельной работы студентов, обучающихся по направлениям подготовки 38.03.05 Бизнес-информатика (бакалавриат) и 38.04.05 Бизнес-информатика (магистратура).
