Дневник_отчет_Погосян_3. Национальный исследовательский ядерный университет мифи институт финансовых технологий и экономической безопасности кафедра финансовый мониторинг

• Название: Национальный исследовательский ядерный университет мифи институт финансовых технологий и экономической безопасности кафедра финансовый мониторинг
• Дата: 22.07.2022
• Размер: 1 Mb.
• Имя файла: Дневник_отчет_Погосян_3.docx
• Тип: Реферат; #635011
• страница: 3 из 3

Вывод

В данной работе была построена ЛММР только для количественных признаков, в результате получена следующая оценка уравнения регрессии:





Затем было сделано предположение, что на результативный признак также оказывают влияние качественные факторы: квартира улучшенной планировки или «хрущевка», на первом или последнем этаже, дом панельный или блочный, однокомнатная или двухкомнатная квартира.

Чтобы определить рациональность введения фиктивных переменных, каждый качественный признак был протестирован с помощью критерия Чоу. По результатам проведенного анализа для всех качественных факторов гипотеза H₀ об однородности была отклонена, следовательно, эти признаки влияют на выборку и есть смысл вводить фиктивные переменные.

На заключительном шаге было построено уравнение множественной регрессии, где в качестве независимых переменных выступают количественные признаки х₄ и х₅ и введенные фиктивные переменные

На основании полученных результатов делаем выводы:

1. 
   модель значима;
   
2. 
   значимое влияние на результативный признак – стоимость квартиры (тыс. руб.), оказывают тип дома – панельный или кирпичный, жилая площадь (кв. м) и общая площадь квартиры (кв. м);
   
3. 
   коэффициент детерминации составил 0,87, т. е. 87% доли вариации результирующей переменной объясняется переменной х₅, а 13% доли вариации, вероятно, объясняется неучтенными в модели факторами.
   

Таким образом, уравнения регрессии имеет вид:

• 
  Стоимость квартиры уменьшится на 3,317, если квартира будет в «хрущевке», а не в доме с улучшенной планировкой.
  
• 
  При увеличении общей площади квартиры на 1 кв.м, стоимость квартиры увеличится на 0,5867.
  
• 
  Стоимость квартиры увеличится на 11,16, если квартира будет двухкомнатная, а не однокомнатная.
  

Заключение

Большие данные на протяжении многих лет способствуют развитию общества и развитию новых технологий. Независимо от начального этапа, в сфере информационных технологий большая доля больших данных. В настоящее время большие данные активно используются в различных сферах. Разумеется, предприятие вправе использовать и планировать различные мероприятия. обработка и хранение общей информации на одном устройстве — неотъемлемая часть этой новой технологии.

В настоящее время Российской Федерации лучше направлять молодых людей за границу для обмена опытом. Потому что молодежь формирует светлое будущее этой страны. Краткий анализ проводился на примере больших данных. При анализе использовались специальные пакеты Statistics, Python и Excel. Потому что без этих программ анализ больших данных невозможен. В конце анализа был сделан краткий вывод по каждому использованному методу.

Важнейшим условием успешного развития мировой экономики на современном этапе становится возможность фиксировать и анализировать огромные массивы и потоки информации. Учитывая быстрый рост объема данных, можно с уверенностью предполагать, что направления науки, связанные с их анализом, не потеряют актуальность в обозримом будущем.

Использованные ресурсы

1. 
   Лекции по курсу «Макростатистический анализ и прогнозирование»
   
2. 
   Лекции по курсу «Математические методы в задачах финансового мониторинга»
   
3. 
   Б. Тирни «Наука о данных», 2020 – 175с
   
4. 
   К. Нафлик «Данные: визуализируй, расскажи, используй», 2020 – 179с
   
5. 
   Р. Угарте статья «Наука о данных: три стратегии успешных компаний»
   
6. 
   С. Cтивенс-Давидовиц «Все лгут. Поисковики, Big Data и Интернет знают о вас всё», 2018 – 289с
   
7. 
   С. Стельмах статья «Пандемия заставила бренды осваивать новые возможности работы с данными», электронный ресурс, дата обращения 06.05.2021
   
8. 
   История больших данных-часть 1
   
9. 
   Das T. K., Acharjya D. P., Patra M. R. Opinion mining about a product by an-alyzing public tweets in twitter // International Conference on Computer Com-munication and Informatics. – 2014
   
10. 
    Amazon.com: Introduction to Metadata: Third Edition: 9781606064795: Baca, Murtha: Books
    
11. 
    Finlay, Steven Predictive Analytics, Data Mining and Big Data. Myths, Misconceptions and Methods. Basingstoke: Palgrave Macmillan. -2014.-P. 15.
    
12. 
    Essa YM, Attiya G, El Sayed A. Mobile agent based new framework for improving big data analysis. In: Proceedings of the International Conference on Cloud Computing and Big Data, 2013. - P. 381-386\
    
13. 
    Ye F, Wang ZJ, Zhou FC, Wang YP, Zhou YC. Cloud based big data mining and analyzing services platform integrating r. In: Proceedings of the International Conference on Advanced Cloud and Big Data, 2013. -P. 147-151.
    
14. 
    Demirkan H, Delen D. Leveraging the capabilities of service oriented decision support systems: putting analytics and big data in cloud. Decision Support Syst. - 2013. - P. 412-421