Багатофакторний аналіз даних

Курс розроблено таким чином, щоб надати учасникам знання сучасних методів статистичного аналізу результатів психологічних досліджень, засобів аналізу даних та можливості їх використання в навчальній дослідницькій та науковій діяльності.

Метою вивчення вибіркової навчальної дисципліни “Багатофакторний аналіз даних” є ознайомити студентів із методами статистичного аналізу даних, сучасними засобами реалізації цих методів на ПЕОМ, показати їх роль у проведенні навчальних та наукових дослідженнях, сформувати у студентів вміння застосовувати ці засоби для проведення досліджень та аналізу їх результатів

Після вивчення навчальної дисципліни студент буде:

Знати:

- означення та властивості основних понять багатовимірного статистичного аналізу;

- методи багатовимірної статистики;

- типові методи обробки статистичної інформації, отриманої в результаті досліджень;

- сучасні програмні продукти для аналізу статистичної інформації;

- створення стохастичних моделей та їх дослідження.

Вміти:

- простежувати закономірності явищ та процесів за допомогою методів багатовимірного статистичного аналізу;

- моделювати взаємозв’язки випадкових величин за допомогою регресійного аналізу;

- здійснювати перевірку внутрішньої надійності тесту;

- будувати та досліджувати моделі факторного аналізу та інтерпретувати отриманіі дані;

- перевіряти факторні моделі за допомогою статистичного аналізу.

1. Основні поняття й завдання багатофакторного аналізу даних.

1.1. Описова статистика

1.2. Варіаційна статистика

2. Перевірка статистичних гіпотез

2.1. Основні поняття

2.2. Параметричні тести

2.3. Непараметричні тести

2.4. Визначення моделей розподілу емпіричних даних

3. Дисперсійний аналіз

3.1. Однофакторний аналіз

3.2. Двофакторний аналіз

4. Кореляційний аналіз

4.1. Кореляційний аналіз кількісних ознак

4.2. Кореляційний аналіз порядкових ознак

4.3. Кореляційний аналіз номінальних ознак

4.4. Кореляційний аналіз змішаних ознак

4.5. Множинна кореляція

5. Факторний аналіз

5.1. Метод головних компонент

5.2. Метод головних факторів

6. Завдання та методи класифікації даних

6.1. Параметричні методи класифікації без навчання

6.2. Кластерний аналіз

6.3. Класифікація з навчанням

7. Методи побудови й дослідження регресійних моделей

7.1. Загальна характеристика методів і задач регресійного аналізу

7.2. Лінійні однофакторні моделі

7.3. Поліномінальні моделі

7.4. Лінійні багатофакторні моделі

7.5. Інші типи багатофакторних моделей

7.6. Побудова лінійної багатофакторної моделі

Оцінювання проводиться за 100-бальною шкалою.

Бали нараховуються за наступним співвідношенням:

• виконання лабораторних завдань: 60% семестрової оцінки; максимальна кількість балів – 60

• виконання тестових завдань: 40% семестрової оцінки; максимальнкількість балів – 40

Підсумкова максимальна кількість балів – 100.

Залік виставляється за результатами роботи в семестрі