Содержание
- 2. STATISTICA 2000 Windows 95, 98, NT, 2000 Ready Полностью на русском языке Около 30 Mb на
- 3. Законченные решения от StatSoft База данных STATISTICA Результат, методика решения
- 5. Законченные решения от StatSoft База данных Oracle SQL Access Excel Технологии DDE ODBC Quick Import Хранилище
- 6. Законченные решения от StatSoft Верификация данных Агрегирование данных Визуализация Разведочный анализ Оценка репрезентативности выборки Применение специальных
- 7. Наложение результатов на географическую карту Уникальный проект StatSoft
- 8. Департаменты ЦБ Страховая компания РОСНО АК АЛРОСА (АЛМАЗЫ РОССИИ-САХА) Министерство Путей Сообщения Акционерное общество АВТОВАЗ Региональные
- 9. Http://www.statsoft.ru Http://www.statistica.ru
- 10. Структура пакета Таблицы данных Графики Таблицы результатов Основное окно
- 11. Импорт данных Прямое преобразование файлов из большинства популярных форматов: + Excel + Lotus (1-2-3, Symphony) +
- 12. Импорт данных Быстро и просто
- 13. Импорт данных Поддержка интерфейса открытых баз данных Microsoft ODBC: + MS Access + MS SQL Server
- 14. Удобно Импорт данных
- 15. Данные Стандартизация Подмножества Формат Фильтрация Текстовые значения Веса Подготовка данных
- 16. STATISTICA включает все методы статистического анализа данных: от классических до самых современных Для удобства анализа методы
- 17. Анализ данных Основные статистики и таблицы Множественная регрессия Нелинейное оценивание Временные ряды и прогнозирование Факторный анализ
- 18. Анализ данных Просто Естественно Эффективно Полностью на русском языке!
- 19. Интерактивный анализ Весь анализ в системе проводится с использованием наглядных диалоговых окон, следующих типовым сценариям обработки
- 20. Интерактивный анализ Весь анализ в системе проводится с использованием наглядных диалоговых окон, следующих типовым сценариям обработки
- 21. Основные статистики и таблицы
- 22. Вероятностный калькулятор
- 23. Вероятностный калькулятор
- 24. Вероятностный калькулятор
- 25. Кисть Интерактивный анализ Результат изменился
- 26. Кисть Интерактивный анализ Точки автоматически помечены
- 27. Программы-мастера Размещение графиков
- 28. Программы-мастера SQL-запросы к базам данных
- 29. Программы-мастера Программирование на STATISTICA BASIC
- 30. Автозаполнение Автоматизация Микро- прокрутка 0.35 0.36 0.37 0.47 0.57 0.67 0.77
- 31. Автоматизация Поиск лучшей модели
- 32. Автоотчет
- 33. Графики
- 34. 3D-вращение и перспектива Работа с графикой
- 35. Дальнейшая настройка Работа с графикой
- 36. Гибкий интерфейс
- 37. 7 достоинств системы Знакомый Windows-интерфейс Русский язык Полный набор статистических методов Сотни типов графиков Облегчающие работу
- 38. Области применения Экономика, финансы Научные исследования Производство
- 39. Пример: Оценка эффективности модернизации жилых зданий StatSoft® Russia
- 40. Анализируемый объект представляет собой жилое здание, подвергнутое модернизации с целью экономии ресурсов. Описание объекта и цель
- 41. Целью исследования является оценка экономии ресурсов, полученная за счет модернизации. Описание объекта и цель исследования
- 42. Основные параметры объекта Q_SUM – суммарное потребление тепла QEL – потребление электроэнергии T_AP – температура в
- 43. Первый этап импорт данных из Excel в STATISTICA верификация данных удаление выбросов (чистка данных) агрегирование данных
- 44. Второй этап Разведочный анализ данных Построение зависимостей Разработка методики расчета экономии ресурсов Этапы исследования
- 45. Третий этап Оценка точности вычисления средней температуры дома по выбранным квартирам (оценка репрезентативности выборки) Этапы исследования
- 46. Основные статистики и таблицы (дескриптивный анализ, группировка) Нелинейное оценивание (нахождение точек изменения зависимостей) Множественная регрессия (нахождение
- 47. Анализ временных рядов (нахождения сезонных составляющих) Кластерный анализ (нахождения групп квартир, близких по температуре) Планирование Эксперимента
- 48. Excel Буфер обмена STATISTICA Организация данных Верификация данных Агрегирование данных Предварительный этап анализа
- 49. На предварительном этапе найдены: ложные наблюдения неточность временной шкалы (в данных присутствовали значения времени 0, 1,
- 50. Результаты анализа Оценка значимости эффекта модернизации по исходным данным
- 51. Q_SUM – суммарное потребление тепла DELTA_T разность: T_AP (температура квартирах) - T_ENV(температура окружающей среды) Сложность сравнения
- 52. Среднее значение DELTA_T на отопительном сезоне до модернизации равно 25.98. 95% доверительный интервал равен (25.7, 26.2),
- 53. На следующих графиках показано, как провести коррекцию
- 54. Результаты анализа
- 55. Результаты анализа
- 56. Среднечасовая экономия ресурса Q_SUM составляет примерно 7%
- 57. Дальнейшие результаты Найдены оценки температур перехода из одного состояния комфортности в другое («недотоп-норма-перетоп») по характеру изменения
- 58. Дальнейшие результаты Недотоп: Q = 516+17*ΔT Норма: Q = 401+20*ΔT Перетоп: Q = 553*exp(0,02* ΔT) Определены
- 59. Дальнейшие результаты Недотоп: E = 18,0 - 0,08*ΔT Норма и перетоп: E = 11,3 + 0,09*ΔT
- 60. Дальнейшие результаты Холодное водоснабжение: Vcw = 0,016* Ths Исследованы зависимости расхода горячей и холодной воды от
- 61. Дальнейшие результаты Потребление тепла: Q = -1145 + 19* Ths Определены зависимости потребления тепла, и расхода
- 62. Оценка точности вычисления средней температуры здания (оценка репрезентативности выборки) Рассматривается пятиэтажное жилое здание с 6 подъездами.
- 63. Количество квартир: 79 (в крайних подъездах по две квартиры на этаже, в средних подъездах - по
- 64. Измерения проводились: на 1, 3, 5 этажах в 1-м, 3-м и 6-м подъездах Датчики устанавливались в
- 65. Данные находятся в файле hc41rt99.sta:
- 66. Описательный анализ
- 67. Минимальная температура наблюдается в “крайних” квартирах: на первых этажах первого подъезда и на пятом этаже шестого
- 68. Для того чтобы найти группы квартир с близкой средней температурой, воспользуемся кластерным анализом, предварительно посуточно усреднив
- 69. Все квартиры разбились на 2 ярко выраженных кластера: теплые и холодные квартиры.
- 70. В среднем кластеры различаются на 4.6 градуса. Среднее по теплым квартирам равно 23.5 градуса. Среднее по
- 71. Вычислим корреляции между температурами в квартирах.
- 72. Из корреляционной матрицы видно, что между всеми переменными имеется сильная связь. Особенно сильная связь между переменными
- 73. Для того, чтобы понять какие квартиры наиболее сильно связаны между собой воспользуемся кластерным анализом.
- 74. Квартиры образуют 4 кластера
- 75. Зависимость температуры от номера подъезда имеет вид: Y = 17.64 + 2.87*X – 0.39*X*X (*)
- 76. На графике зависимость имеет вид:
- 77. Используя формулу (*), вычислим среднюю температуру в зависимости от номера подъезда:
- 78. Тогда средняя температура здания равна: 21.8
- 79. Средняя температура здания, вычисленная по имеющимся данным, равна: 21.26
- 81. Скачать презентацию