Информация о работе
Подробнее о работе
Выпускная квалификационная работа Методы статистического анализа
- 57 страниц
- 2022 год
- 2 просмотра
- 0 покупок
Гарантия сервиса Автор24
Уникальность не ниже 50%
Фрагменты работ
Актуальность исследования. Данных в мире становится все больше и
методы их исследования заслуживают внимания. Методы статистического
анализа применимы, и самое главное эффективны, в большинстве случаев, где
нам понадобится проанализировать ситуацию с какими-то входными
данными, а спрос на такую деятельность всегда актуален в любой сфере
деятельности, где нам нужно провести анализ данных. Как пример, можно
привести сферу образования, бизнеса, компьютерных наук и т. д. Спектр охвата
методов статистического анализа очень велик и может пригодиться везде.
Существует множество методов статистического анализа, и каждый из
этих методов может быть более эффективен при определенных задачах,
ориентированных под предназначенный метод. Чтобы определить какой
метод будет эффективнее другого для заданной задачи, надо учитывать
множество факторов, постоянно исследуя и применяя методы статистического
анализа на различных ситуациях для более точного понимания того, какой же
метод будет более результативен.
Таким образом, методы статистического анализа в разных сферах
деятельности требуют более подробного изучения
Цели и задачи работы:
Цель дипломной работы – изучить и проанализировать методы
статистического анализа.
Для достижения заданной цели поставлены следующие задачи:
-составить сводный обзор методов и тщательно изучить их;
-проанализировать пример действия двух методов, сравнить и узнать их
эффективность;
-спрогнозировать событие, опираясь на определенный метод
статистического анализа с использованием баз данных для анализа;
-написать программы, основанные на определенных методах статистического анализа, которые будут использоваться в различных задачах,
связанных с прогнозированием и анализом данных;
-сравнить производительность взятых моделей, проведя тщательный
анализ данных, и найти более оптимальный метод статистического анализа,
который исследовался в работе.
Практическая значимость исследования методов статистического
анализа заключается в возможности его практического применения для
прогнозирования и анализа данных в разных сферах деятельности.
ВВЕДЕНИЕ ............................................................................................................................. 4
1. СВОДНЫЙ ОБЗОР МЕТОДОВ СТАТИСТИЧЕСКОГО АНАЛИЗА ......................................... 6
1.1. Регрессионный анализ ...................................................................................................... 6
1.1.1. Цели и задачи регрессионного анализа ...........................................................................................7
1.1.2. Проблемы регрессионного анализа .................................................................................................8
1.2. Метод SSA ......................................................................................................................... 8
1.2.1. Последовательность решения модели SSA ......................................................................................9
1.2.2. Результат модели SSA .........................................................................................................................9
1.3. Метод ARIMA .................................................................................................................. 10
1.3.1. Основные цели и этапы построения .............................................................................................. 10
1.3.2. Преимущества и недостатки моделей ARIMA .............................................................................. 12
1.4. Математическое разъяснения методов ARIMA и SSA ..................................................... 12
1.4.1. Метод SSA ......................................................................................................................................... 12
1.4.2. Метод ARIMA .................................................................................................................................... 14
2. ПРИМЕР ПРАКТИЧЕСКОГО ПРИМЕНЕНИЯ МЕТОДОВ SARIMA и ARIMA ...................... 16
2.1. Применение SARIMA и ARIMA в гидрологическом прогнозировании ........................... 16
2.1.1. Прогнозирование стока для каждого штата Соединенных Штатов ............................................ 17
2.2. Исследование машинного обучения для прогнозирования добычи нефти во
временных рядах ARIMA ........................................................................................................... 25
2.2.1. Применение машинного обучения в современном мире ........................................................... 25
2.2.2. Прогнозирование показателей нефтедобычи с применением ARIMA ...................................... 29
3. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ МЕТОДОВ ARIMA И SARIMA ....................................... 34
3.1. Пояснительный анализ данных (EDA) ............................................................................. 36
3.2. Анализ временных рядов ............................................................................................... 43
3.3. Сравнение и выбор моделей .......................................................................................... 55
ЗАКЛЮЧЕНИЕ ..................................................................................................................... 56
Список литературы.......................................................................................................... 58
Оригинальность по АП.Вуз на 27 февраля 2023 года более 70%.
В выпускной квалификационной работе рассмотрены основные методы
статистического анализа и их использование в различных сферах
деятельности для прогнозирования. Данная работа посвящена вопросу
методов статистического анализа. Актуальность работы состоит в том, что
методы статистического анализа имеют место в многих сферах деятельности,
где необходимо спрогнозировать определенные события, имея определенную
базу данных. Данные методы сейчас активно развиваются во многих
отраслях, имея огромную область применения с базами данных.
Во введении работы дается обоснование актуальности темы исследования и
ее цели с задачами.
Далее в первой главе дается сводный обзор методов статистического анализа,
где описываются основные методы и принципы их работы.
Вторая глава описывает способность моделей SARIMA и ARIMA к
гидрологическому прогнозированию, а также возможность модели ARIMA
для прогнозирования показателей нефтедобычи.
В третьей главе демонстрируется практическое применение методов
SARIMA и ARIMA, при помощи языка программирования Python.
Заключение подводит краткий итог проделанной работы.
1. А. А. Жиглявский, В. Н. Солнцев: "Главные компоненты временных
рядов: метод "Гусеница".
2. Орлов А.И. Основные этапы становления статистических методов
3. Голяндина Н.Э. Метод "Гусеница"-SSA: анализ временных рядов:
Учебное пособие. СПб., 2004.
4. Данилов Д. и Жиглявский А. (Ред.) (1997): Главные компоненты
временных рядов: метод «Гусеница», Изд. СПбГУ.
5. Фёрстер Э., Рёнц Б. Методы корреляционного и регрессионного анализа
6. Радченко С. Г. Методология регрессионного анализа.
— К.:«Корнийчук», 2011.
7. Айвазян С. А. Прикладная статистика. Основы эконометрики. Том 2. —
М.: Юнити-Дана, 2001.
8. Магнус Я. Р., Катышев П. К., Пересецкий А. А. Эконометрика.
Начальный курс. — М.: Дело, 2007.
9. Н.В. Куприенко, О.А. Пономарева, Д.В. Тихонов – Статистические
методы изучения связей. Корреляционно-регрессионный анализ: Учебное
пособие, 2009 .
10. Орлова И.В., Половников В.А. Экономико-математические методы и
модели: компьютерное моделирование: учебное пособие, Вузовский учебник,
2007.
11. Дуброва Т. А., Статистические методы прогнозирования в экономике. –
Москва: Московский государственный университет экономики, статистики и
информатики, 2004.
12. Канторович, Г. Г. Анализ временных рядов. // Экономический журнал
ВШЭ. – 2002 г., 1 – стр. 85-116.
13. Трегуб И. В. и Трегуб А. В. Методика построения модели arima для
прогнозирования динамики временных рядов. // Лесной вестник. – 2011
14. Крюков Ю. А. и Чернягин, Д. В. ARIMA – модель прогнозирования
значений трафика. Информационные технологии и вычислительные системы.
2011 г., 2.
15. Anderson M, Chen Z, Kavvas M, Feldman A. 2002. Coupling HEC-HMS
with atmospheric models for prediction of watershed runoff. J. Hydrol. Eng. 7(4):
312–318.
16. Dong SH, Zhou HC, Xu HJ. 2004. A forecast model of hydrologic single
element medium and long-period based on rough set theory. Water Resour. Manage.
18(5): 483–495.
17. Habib E, Aduvala AV, Meselhe EA. 2007. Effect of radar-rainfall errors on
rainfall-runoff modeling. World Environmental and Water Resources Congress, 15–
19 May 2007, Tampa, FL, DOI: 10.1061/40927(243)285.
18. Mahdizadeh Khasraghi M, Gholami Sefidkouhi MA, Valipour M. 2014.
Simulation of open- and closed-end border irrigation systems using SIRMOD. Arch.
Agron. Soil Sci. DOI: 10.1080/03650340.2014.981163 (in press).
19. Patry G, Marino M. 1984a. Two-stage urban runoff forecast model. J. Water
Resour. Plann. Manage. 110(4): 479–496.
20. Schar C, Vasilina L, Dirren S. 2004. Seasonal runoff forecasting using
precipitation from meteorological data assimilation systems. J. Hydrometeorol. 5:
959–973.
21. Valipour M. 2012a. Critical areas of Iran for agriculture water management
according to the annual rainfall. Eur. J. Sci. Res. 84(4): 600–608.
22. Valipour M. 2012b. Number of required observation data for rainfall
forecasting according to the climate conditions. Am. J. Sci. Res. 74: 79–86.
Форма заказа новой работы
Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям
