В моей практике прикладных исследований процессов предприятий, производственно-технологических комплексов и рабочих мест статистические методы заинтересовали меня в нескольких случаях:
Первое. Приведение больших массивов данных различной природы к единому измерению.
Второе. Агрегирование факторных и результативных признаков в системной функционально-целевой модели для определения параметров состояний и параметров связи технологических подсистем.
Третье. Анализ статистических распределений величин.
Четвёртое. Подтверждение наличия и определение значения статистической связи между факторными и результативными признаками.
Пятое. Оценка сходимости расчётов и практического применения результатов.
В целом это позволило:
- отказаться от глобального применения модели «чёрного ящика», подверженной действию «проклятия размерности»;
- пользоваться только данными прямых наблюдений активных экспериментов, дающих значения первичных признаков состояния процессов, определяющих их эффективность и содержание инновационных изменений;
- отказаться от использования вторичных и косвенных признаков, содержащих фатальные информационные методологические ошибки недостаточного профессионального знания состояния объекта и предмета исследования;
- получить эффект оптимизации новшеств в сочетании со средой на основе системной модели корпоративного ФСА с учётом функционального характера строения и состава среды предприятий, производственно-технологических комплексов и рабочих мест.
С уважением. Александр.
4 эксперта согласны
Метод главных компонент, говоря языком статистики.
Давид, мой краткий пост на тему статистики и весов демонстрирует как раз тот самый минимальный набор.
В данных ранее ответах содержится всеобъемлющая информация по существу вопроса.
Могу добавить лишь понятие набор данных... Читать далее
"Лень - двигатель прогресса технического и регресса человеческого". КЕВ
Перейти на vk.com/e.kandzyuba
3 эксперта согласны
Борис Державец
26 окт 2021подтверждает
Как DBA Я обратил бы Ваше внимание на документ
https://www.bigdataschool.ru/blog/data-preparation-operations.html... Читать дальше
Есть курс на stepik "Основы статистики" от института биоинформатики. Там есть всё, что перечислил Андрей и объясняется довольно понятно. Как вариант для изучения.
2 эксперта согласны
Арина Левадная
30 июл 2021подтверждает
Согласна с ответом
Как ни странно, недооцененной компетенцией в рамках статистики, который редко кому-то приходит в голову - это философия науки.
Очень важно понимать чисто философские концепции такие как репрезантативность или релевантность... Читать далее
Смотря какие прикладные задачи необходимо решать. Во-первых, статистика как таковая основана на работе с данными. Данные здесь рассматриваются как реализации случайной величины. Соответственно, короткий ответ - все. Но если... Читать далее
Андрей кое-что перечислил, но это далеко не полный перечень.
Чаще всего для каждой задачи нужен свой набор инструментов. И надо понять, что именно для собранных данных использовать. Лучше это решить перед сбором данных. Если... Читать далее
6 экспертов согласны
Конгрегатор Сегу
30 июл 2021подтверждает
*Хтонический ужас из морских глубин пробуждается, услышав слово Statistica*
- R лучше!
*Засыпает обратно*
Исходя из своего опыта (применение статистики для решения биомедицинских задач), я бы сформулировал следующий минимум концепций:
1) Основы описательной статистики (среднее, медиана, дисперсия и. т. д.)
2) Нормальное распредлени... Читать далее
2 эксперта согласны
1. Какой хороший вопрос, хотя и простой. То есть -прост, как всё гениальное.
2. Зато ответ невероятно сложен. С уважением к отвечающим попробую добавить свои 5 копеек.
3. Прикладные задачи, это когда "сделать что НУЖНО, так как... Читать далее