Современные программные средства статистического анализа и их возможности для решения экономических задач.

ВВЕДЕНИЕ

Необходимым условием анализа современных статистических данных является эффективное использование компьютерных программ, именно от функциональной безопасности и алгоритмического учета зависит окончательная интерпретация результатов исследования и достоверность выводов. Инструменты анализа данных - это программные продукты и приложения, используемые исследователями для разработки и внедрения аналитических процессов, которые помогают принимать более обоснованные бизнес-решения с научной точки зрения при одновременном снижении затрат и увеличении прибыли. Основная функция программы анализа данных заключается в выполнении трудоемкой работы и автоматизации процесса преобразования данных в аналитическую информацию. Программа обработки данных также выполняет некоторые из следующих действий:
 предоставляет необходимые инструменты для качественного и количественного анализа;
 применение статистических и аналитических возможностей для принятия решений;
 операции и модификация данных для анализа корреляций между наборами данных;
 визуализация наборов данных и результатов анализа.
Программные продукты для обработки статистических данных являются неотъемлемой частью современных исследований в различных областях. Системы не только ускоряют обработку, но и облегчают трудоемкие процессы анализа данных и помогают качественно визуализировать результаты исследований. Поэтому тема данной работы является актуальной.
Цель курсового проекта – изучить теоретические аспекты использования программных средств статистического анализа и рассмотреть пример практического использования пакета анализа EXCEL для решения оптимизационной задачи.
Задачи:
 изучить теоретические аспекты использования таких программных средств статистического анализа, как NeuroPro, Statistica, Stata, SPSS, Matlab, Eviews, математического аппарата Microsoft Exel;
 решить оптимизационную задачу с использованием математического апарата Microsoft Exel и изложить этапы ее составления и решения.
Предмет исследования: программные средства статистического анализа.
Объект исследования: экономическая система предприятия.
Методы исследования: монографический, аналитический, расчетно-конструктивный, экономико-математический.

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ ИСПОЛЬЗОВАНИЯ ПРОГРАММНЫХ СРЕДСТВ СТАТИСТИЧЕСКОГО АНАЛИЗА

1.1 Решение задач обработки данных в пакете NeuroPro

Пакет Neuropro  это менеджер обученных искусственных нейронных сетей, работающих в Windows и позволяющий выполнять следующие основные операции [5, c. 70; 6, c. 7; 13, с. 25, с. 45]:
1. Создание нейро-проекта;
2. Подключение файла данных (базы данных) в формате база данных для нейро-проекта;
3. Редактирование файла данных  изменение существующих записей и добавление новых записей в базу данных; сохранение файла данных в другом формате;
4. Добавление многоуровневой архитектуры в проект нейронной сети с количеством слоев нейронов от 1 до 10, количеством нейронов в слое  до 100;
5. Обучение нейронной сети решению задачи прогнозирования или классификации. Нейронная сеть может одновременно решать как несколько задач прогнозирования (прогнозирование нескольких чисел), так и несколько задач классификации, а также задачи прогнозирования и классификации одновременно.
6. Тестирование нейронной сети в файле данных, получение статистической информации о точности решения проблемы;
7. Расчет показателей значимости входных сигналов сети, сохранение значений показателей значимости в текстовом файле на диске;
8. Упрощение нейронной сети;
9. Создание и визуализация подробного описания нейронной сети, сохранение подробного описания в текстовом файле на диске;
10. Выбор алгоритма обучения, назначение необходимой точности прогнозирования, настройка нейронной сети.
Меню программы содержит следующие элементы, связанные с нейронными сетями и работой с ними:
Файл  основные файловые операции;
Создать  создает новый файл проекта. См. окно проекта;
Открыть  открывает существующий файл проекта;
Сохранить  сохраняет файл. Файлы проекта, файлы данных, индикаторы значимости входных сигналов сети, подробное описание сети могут быть сохранены;
Сохранить как  сохраняет файл под другим именем или в другом формате. Вы можете сохранять файлы проекта, файлы данных, результаты тестов, индикаторы значимости входных сигналов сети, подробное описание сети. См. окно проекта, окно редактирования файлов данных, окно ввода сети, окно тестирования сети и окно описания сети;
Выход  завершение программы;
Нейронная сеть  операции с нейронными сетями. Анализ выполняется в активной в настоящее время нейронной сети;
Обучение  обучение нейронной сети. Обучение автоматически прекращается, когда достигается нулевое значение среднего балла в книге задач, если невозможно дополнительно улучшить балл или в чрезвычайных ситуациях (ноль или бесконечный шаг в направлении оптимизации);
Тестирование  тестирование нейронной сети;
Анализ обучающего набора  это вычисление константы Лифшица для обучающего образца, формирование набора противоречивых выборок в книге задач (набор выборок, для которых одни и те же значения входных сигналов соответствуют разным значениям выходных сигналов);
Уменьшение количества входных сигналов  удаление менее значимых входных сигналов;
Уменьшение количества нейронов  это удаление наименее значимых нейронов в сети;
Уменьшение количества синапсов  это удаление менее значительных синапсов сети;
Уменьшение количества гетерогенных входов  это удаление менее значительных гетерогенных входов нейронов сети;
Единое упрощение сети  это уменьшение максимального количества сигналов, поступающих в нейронную сеть к определенному пользователю. Упрощение автоматически останавливается, если невозможно достичь нулевого значения среднего балла после следующего акта упрощения сети. В то же время сеть возвращается к прежнему состоянию полного обучения;
Бинаризация сетевых синапсов  приведение значений весов синапсов и гетерогенных входов нейронов к выбранным значениям (см. пункт меню Настройки\веса бинарных синапсов для определения набора выбранных значений);
Вербализация  это создание вербального описания нейронной сети;
Значение входов – это расчет и отображение значения входных сигналов нейронной сети;
Нарушение веса синапса  это добавление случайных поправок к весам синапсов сети;
Операции установки  установка. Настройки запускаются в нейропроекте, сохраняются в файле нейропроект и восстанавливаются при вызове программой.
Метод оптимизации  выбор метода оптимизации сетевого обучения. Из методов, применяемых в настоящее время в программе (градиентный спуск, модифицированный метод патерна, метод сопряженного градиента и квазиньютоновский метод), патерн предлагается автоматически при создании нейро-проекта.
Скорость накопления смысла  это выбор скорости накопления градиента при расчете показателей значимости. При создании нейро-проекта норма выбирается автоматически в виде суммы модулей.
Веса бинарных синапсов  выбор набора выбранных значений, к которым уменьшаются веса синапсов. После приведения веса синапса к выбранному значению синапс исключается из обучения; при переходе от более подробного набора выбранных значений к менее подробному значению те из бинарных синапсов, чей вес ранее не попадает в выбранные значения, возвращаются к обучению.
Для работы в нейропро-пакете необходимо создать лист Excel, ввести данные (ввести наблюдения в строках, факторы в столбцах таблицы). Затем вам нужно сохранить лист Excel в формате базы данных.
После открытия пакета нейропро необходимо последовательно выполнить следующие шаги:
1) Чтобы подключить или перезаписать файл данных, нажмите кнопку "Открыть файл данных" в окне нейропроекта, а затем выберите требуемое имя файла данных. Файл открытых данных отображается в отдельном окне, где его можно редактировать. Когда окно файла данных закрыто, соединение с нейропроектом завершается. Если нет файла данных для анализа, необходимо выполнить операцию создания сети.
2) Создайте сеть. Диалог создания нейронной сети предназначен для указания спецификаций генерируемой нейронной сети. Компоненты диалога:
Входы и выходы  список для определения использования полей, доступных в файле данных, нейронной сетью.
Поля в файле данных  список полей в файле данных.
Использование поля  использование текущего поля нейронной сетью. Варианты:
Поле не является числовым и недоступным для сети  поле не является числовым и не может быть обработано нейронной сетью.
Поле не используется сетью  это числовое поле не используется сетью.
Поле является входом для сети  значения этого поля вводятся на входы сети.
Поле является выходом сети  нейронная сеть обучена прогнозировать значения этого поля.