ОБЗОР КОНЦЕПТУАЛЬНЫХ ПОДХОДОВ В АНАЛИЗЕ ДАННЫХ. ЭКОНОМИКО-МАТЕМАТИЧЕСКИЕ МЕТОДЫ: ТЕОРИЯ И ПРАКТИКА

Авторы

  • Д.А. Тамбиева Ставропольский государственный аграрный университет
  • М.У. Эркенова Северо-Кавказская Государственная академия

DOI:

https://doi.org/10.25806/uu12-420211032-1038

Ключевые слова:

анализ данных, временные ряды, статистический анализ, детерминированный/стохастический процесс

Аннотация

В работе рассматриваются концептуальные подходы к анализу данных, в том числе,  контексте проблемы детерминированность/стохастичность. Обозначено, что большинство новейших методов интеллектуального анализа данных являются алгоритмической имитацией биологических систем на базе хорошо известных методов статистического анализа данных. Некоторые, ставшие уже классическими методы и техники простейшего статистического анализа данных, остаются весьма эффективными для отдельных классов задач. Представлен статистический анализ реального экономического временного ряда (ВР), соответствующего квазинормальному распределению случайной величины.  Продемонстрирована адекватность прогноза, построенного на базе начального момента первого порядка.

Список литературы

Форман Дж. Много цифр: Анализ больших данных при помощи Excel. М.: Альпина Паблишер, 2019. 461 c.

Миркин Б. Г. Введение в анализ данных. М.: Юрайт. 2020. 175 с.

Козлов А.Ю., Мхитарян В.С., Шишов В.Ф. Статистический анализ данных в MS Excel: Учебное пособие. М.: Инфра-М, 2018. 80 c.

Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере: Учебное пособие. Науч. ред. В.Э. Фигурнов. М.: ИД ФОРУМ, 2017. 368 c.

Халафян А.А., Боровиков В.П., Калайдина Г.В. Теория вероятностей, математическая статистика и анализ данных. Основы теории и практика на компьютере. Statistica. Excel. Более 150 примеров решения задач. Учебное пособие. М.: Ленанд. 2017. 320 с.

Чашкин Ю.Р. Математическая статистика. Анализ и обработка данных: Учебное пособие / Под ред. С.Н. Смоленский. Рн/Д: Феникс, 2017. 236 c.

Айзек М.П. Графика, формулы, анализ данных в Excel. Пошаговые примеры. СПб.: Наука и техника, 2019. 384 c.

Мхитарян В.С. Теория планирования эксперимента и анализ статистических данных. М.: Юрайт. 2020. 491 с.

Сидняев Н.И. Теория планирования эксперимента и анализ статистических данных. М.: Юрайт. 2020. 496 с.

Ниворожкина Л.И., Арженовский С.В., Рудяга А.А. Статистические методы анализа данных: Учебник. М.: Риор, 2018. 320 c.

Симчера В.М. Методы многомерного анализа статистических данных. М.: Финансы и статистика, 2018. 400 c.

Гашев С.Н. Математические методы в биологии: анализ биологических данных в системе Statistica. М.: Юрайт. 2020. 208 с.

Кулаичев А.П. Методы и средства комплексного анализа данных: Учебное пособие. М.: Форум, 2018. 160 c.

Макшанов А.В., А.Е. Журавлев Технологии интеллектуального анализа данных: Учебное пособие. СПб.: Лань, 2018. 212 c.

Макшанов А.В. Технологии интеллектуального анализа данных. М.: Лань. 2019. 212 с.

Рафалович В. Data mining, или интеллектуальный анализ данных для занятых. Практический курс. М.: SmartBook, 2018. 352 c.

Sturges H. The choice of a class-interval. J. Amer. Statist. Assoc. 1926. Vol. 21. P. 65-66.

Голубев С.Н. R/S - анализ стабильности запаздывающего временного ряда (недоступная ссылка) // Лабораторный журнал: электрон. научн.-практич. журн. 2013. № 1 (1).

Петерс Э. Фрактальный анализ финансовых рынков. Применение теории хаоса в инвестициях и экономике. М.: Интернет-трейдинг, 2004. 304 с.

Петерс Э. Хаос и порядок на рынках капитала. М.: Мир, 2000. 333 с.

Ширяев А.Н. Основы стохастической финансовой математики. М.: Фазис, 1998. Т. 1. 512 с.

Загрузки

Опубликован

19.01.2022

Выпуск

Раздел

Экономические науки