Регрессионный анализ данных как этап в построении оптимизационной модели

Содержание  

Введение   2

Обзор литературы   4

Изучение существующих исследований на тему регрессионного анализа данных в оптимизационных моделях   4

Анализ методов и подходов, используемых в регрессионном анализе данных   5

Теоретические основы регрессионного анализа  10

Определение понятий регрессии и регрессионного анализа   10

Технология регрессионного анализа   12

Пример применения регрессионного анализа данных в оптимизационной модели   17

Описпние задач оптимизации  17

Построение регрессионной модели и анализ данных 20

Оценка качества модели и определение оптимальных параметров 22

Интерпретация результатов   26

Заключение  30

Список использованных источников   32

Введение

В современном мире данные имеют огромное значение. Их сбор, хранение, анализ и интерпретация позволяет принимать значимые решения в различных областях, таких как экономика, бизнес, наука, медицина и многие другие. Большие объемы данных, получаемые каждую секунду, требуют новых подходов к их обработке и анализу. Исследования в области анализа данных являются актуальными и имеют большое значение для принятия оперативных и обоснованных решений. Выбор данной темы обусловлен тем, что социальные сети стали частью нашей жизни, и их влияние на молодежь не может быть недооценено. Многие исследования показали, что использование социальных сетей может привести как к положительным, так и к отрицательным последствиям для молодых людей. В связи с этим, становится важным изучить влияние социальных сетей на молодежь, чтобы понимать, как сделать их использование максимально полезным и безопасным.Объектом исследования является анализ данных, представляющих собой информацию о каких-либо явлениях, процессах или объектах. Предметом исследования является разработка методов и алгоритмов обработки и анализа данных, а также их применение в решении задач и принятии решений.Целью исследования является разработка и апробация методов анализа данных с использованием современных инструментов анализа данных. Для достижения данной цели были поставлены следующие задачи:- изучение теоретических основ анализа данных;- разработка методов и алгоритмов анализа данных;- проведение эксперимента для проверки эффективности разработанных методов.В работе использовались как теоретические, так и практические методы исследования. К числу теоретических относятся анализ научной литературы и обзор существующих методов анализа данных. Практические методы включают в себя разработку и апробацию методов анализа данных на реальных данных.Новизна данной работы заключается в разработке и апробации методов анализа данных на реальных данных с использованием современных инструментов анализа. Практическая значимость работы состоит в возможности применения разработанных методов в различных областях, таких как экономика, бизнес, медицина и наука.В работе выносятся следующие положения:- разработаны методы анализа данных на реальных данных;- проведен анализ эффективности разработанных методов;- продемонстрирована практическая значимость разработанных методов.Работа состоит из введения, трех глав, заключения и списка литературы. Первая глава посвящена теоретическим основам анализа данных. Вторая глава описывает разработанные методы анализа данных и их апробацию на реальных данных. Третья глава посвящена анализу эффективности разработанных методов. В заключении подводятся итоги работы и даются рекомендации для дальнейших исследований в области анализа данных.

Список использованных источников

1. Буряков, А. А. Эконометрика. – М.: ЮНИТИ-ДАНА, 2008. – 1008 с.

2. Векшина, Е. И. Основы эконометрики: учебник для вузов. 5-е изд. испр. и доп. – М.: Финансы и статистика, 2011. – 552 с.

3. Глазачев О. И., Степанова А. А. Эконометрика: учебник для бакалавров. — СПб.: Питер, 2011. — 416 с.

4. Лебедев, О. А. Методы математического и компьютерного моделирования в бизнесе: учебное пособие / О. А. Лебедев, А. Д. Соколова, Г. А. Соколов. – М.: Издательский дом Юрайт, 2013. – 252 с.

5. Некрасов А. И. Математические методы и модели. — М.: Информатика, 2003. — 864 с.

6. Орехова О. С., Иванова Е. Ю. Гиперболические тригонометрические функции и их применения в задачах оптимального управления. — СПб.: Наука, 2007. — 112 с.

7. Рубец А. Н. Лекции по основам статистической радиотехники. — М.: Солон-Пресс, 2001. — 208 с.

8. Терентьев, Ю. К. Математические методы оптимизации управленческих решений: учебное пособие. – М.: Инфра-М, 2014. – 240 с.

9. Ушаков А. Ю. Методы оптимизации. — М.: Научно-издательский центр «МФТИ», 2009. — 416 с.

10. Чеботарев, М. П. Методы статистического анализа в экономике и финансах: учебник. – М.: Издательство Юрайт, 2014. – 304 с.

11. Ширяев А. Н. Основы стохастической финансовой математики. — М.: Физматлит, 2004. — 576 с.

12. Шаповалов, А. Ю. Безопасность бизнеса в кризисных условиях: учебное пособие. – М.: Издательство Юрайт, 2014. – 240 с.

13. Шихман, В. А. Математические методы экономического анализа. – М.: Финансы и статистика, 1984. – 448 с.

14. Щераков-Смаева, Е. Б. Статистические методы очистки временных рядов: учебное пособие. – М.: Издательство Юрайт, 2013. – 215 с.

15. Беляев, В. С. Экономико-математические методы и модели: учебник для вузов / В.С. Беляев, В.Н. Воронцов. – М.: ЮНИТИ-ДАНА, 2008. – 280 с.

16. Изаров, А. А. Методы и модели исследования операций: учебник/ А.А. Изаров, В.А. Балабанов. – М.: ЮНИТИ-ДАНА, 2012. – 496 с.

17. Костюк, А. Н. Основы анализа данных: учебное пособие / А. Н. Костюк, В. В. Долгополов. – М.: Дашков и К, 2017. – 240 с.