Оновлена презентація курсу 28 слайдів

1. Дистанційний курсДистанційний курс
““Пакети статистичних програмПакети статистичних програм””
Національна академія статистики,обліку та аудитуНаціональна академія статистики,обліку та аудиту
Кафедра статистики

2. АвторАвтор
ТовмаченкоТовмаченко Ніна МиколаївнаНіна Миколаївна
Фото
заступник
завідувача відділення заочно-
дистанційного навчання,
доцент, кандидат технічних
наук

3. Призначення, тривалість курсу
“Пакети статистичних програм”
 Цільова група студентів:
студенти декількох спеціальностей «Облік і
аудит», «Прикладна статистика», «Фінанси»,«Економічна
кібернетика», «Банківська справа», «Менеджмент
зовнішньоекономічної діяльності», які навчаються за
денною або заочно-дистанційною формою навчання.
 Дисципліна викладається на ІІІ курсі (5 або 6 семестри).
Передбачається, що студенти, що приступають до вивчення
курсу «Пакети статистичних програм», вивчили такі
дисципліни, як «Інформатика» , «Статистика» , «Основи
економічної теорії», «Теорія імовірності та математична
статистика», «Основи наукових досліджень (економічні
дослідження)», «Економіка підприємства», «Оптимізаційні
методи і моделі», «Макроекономіка», «Менеджмент».
 Тривалість курсу: семестр – 9 навчальних тижнів

4. Карта памяті ДК ПСП

5. Цілі, задачі курса
 вміння створювати комп’ютерні презентації за допомогою програмного
забезпечення Microsoft PowerPoint з використанням різнотипної інформації:
тексту, звуку, графіки, відео;
 оволодіння навичками систематизації, узагальнення та групування
статистичних даних, їх представлення в різних формах (таблична, графічна
тощо);
 оволодіння статистичними методами побудови моделей дослідження
соціально-економічних явищ, реалізованими в пакетах статистичних
програм: Statistica, SPSS, Excel;
 оволодіння методами статистичного аналізу даних, зокрема методами
розрахунку узагальнюючих статистичних показників, методами аналізу
статистичних рядів розподілу, аналізу динамічних процесів, аналізу
взаємозв’язків соціально-економічних явищ, індексним методом тощо;
 розвиток та удосконалення вміння самостійно здобувати знання, обробляти
різні види інформації;
 вміння обрати методику аналізу даних відповідно до поставленої задачі;
 вміння проводити оцінку результатів статистичного аналізу, формування
вмінь логічно інтерпретувати результати статистичних досліджень, робити
обґрунтовані висновки щодо побудованих моделей прогнозування та
розрахованих параметрів моделей.

6. Початкова підготовка
(базові знання)
 володіння базовими навичками у роботі з
комп’ютерною технікою;
 навички роботи в середовищі Windows;
 досвід створення документів у програмі Microsoft
Word.
 володіння основами проведення статистичних,
економічних, бухгалтерських та аудиторських
досліджень, вмінь сформулювати мету, завдання,
предмет, об’єкт та методи досліджень;
 вміння працювати з джерелами інформації
(підручники, методична література, статистичні
публікації тощо);
 володіння навичками організації навчального
процесу як самостійно, так і в невеликих групах.

7. Особливості роботи з курсом
 Термін опрацювання кожної теми-1 тиждень;
 Перелік діяльності, яку буде виконувати студент у
процесі засвоєння курсу:
- опрацювання теоретичного матеріалу;
- відповіді на запитання у форумі , е- поштою;
- виконання практичних вправ;
- виконання лабораторних робіт;
- виконання тестових завдань,
- участь у дискусіях (форуми);
- заповнення анкет.

8. Тиждень 1. Попередня обробка даних
 Пояснити основні поняття та види показників первинної
статистичної обробки даних, оволодіти розрахунками частот
та побудови гістограм під час статистичної обробки даних
 Проаналізувати особливу роль нормального закону
розподілу випадкових величин у статистичному аналізі,
оволодіти методами перевірки нормальності закону
розподілу
 Визначити етапи виконання попередньої обробки даних в
ПСП SPSSSPSS, ПСПStatistica, MS EXCEL
 Для індивідуального варіанту даних провести первинну
статистичну обробку даних, побудувати гістограму,
розрахувати ; основні показники центральної тенденції,
розсіяння й форми розподілу з використанням ПСП SPSS,
ПСПStatistica, MS EXCEL та прикладу виконання
лабораторної роботи 1 (Попередня обробка даних), а також
підготувати звіт виконаної роботи.
 Скласти контрольний тест до теми попередня обробка
даних

9. Тиждень 2. Кореляційний аналіз
 Проаналізувати умови та особливості аналізу залежності
між двома випадковими змінними з використанням
кореляції за Пірсоном, Спірменом та Кендалом.
 Визначити етапи виконання кореляційного аналізу в
ПСП SPSS, ПСП Statistica, MS EXCEL
 Для індивідуального варіанту даних, проаналізувати
залежність двох або декількох змінних, розрахувати
коефіцієнти кореляціі Пірсона, Спірмена та Кендала з
використанням ПСП SPSS, ПСП Statistica, MS EXCEL та
прикладу виконання лабораторної роботи 2
(Кореляційний аналіз) , а також дати статистичну
інтерпретацію отриманих результатів та підготувати звіт
виконаної роботи.
 Скласти контрольний тест до теми кореляційний аналіз

11. Тиждень 3. Дисперсійний аналіз
 Пояснити теоретичні засади та практичні навички використання
однофакторного дисперсійного аналізу.
 Продемонструвати правила використання двофакторного
дисперсійного аналізу з випадковими рівнями факторів.
 Визначити етапи виконання однофакторного та двофвкторного
дисперсійного аналізу в ПСП SPSS, ПСП Statistica, MS EXCEL
 Для індивідуального варіанту даних, побудувати модель
однофакторного та двофакторного дисперсійного аналізу з
використанням ПСП SPSS, ПСПStatistica, MS EXCEL та
прикладу виконання лабораторної роботи 3 (Дисперсійний
аналіз), а також зробити висновки щодо статистичної
значущості впливу факторів на залежну змінну, оцінити відсоток
загальної дисперсії, яка пояснюється впливом факторів та
підготувати звіт виконаної роботи.
 Скласти контрольний тест до теми дисперсійний аналіз

14. Тиждень 4. Регресійний аналіз
 Охарактеризувати умови, особливості, етапи та практичні
навички застосування регресійного аналізу, прогнозування
значення однієї (залежної) змінної, спираючись на значення іншої
(незалежної)змінної, побудови регресійної моделі зв’язку між
декількома незалежними та залежною змінною (множинна
лінійна регресія).
 Визначити етапи виконання моделі лінійного регресійного аналізу
та множинної регресії в ПСП SPSS, ПСП Statistica, MS EXCEL
 Для індивідуального варіанту даних, знайти коефіцієнти та
перевірити значимість коефіцієнтів, лінійної регресії за
допомогою пакету MS EXCEL, ПСП SPSS , знайти коефіцієнти
множинної лінійної регресії за допомогою пакету MS EXCEL, ПСП
SPSS . Побудувати модель лінійної та множинної регресії з
використанням ПСП SPSS, ПСП Statistica, MS EXCEL та
прикладу виконання лабораторної роботи 4 (Регресійний
аналіз), а також зробити висновки щодо адекватності
побудованих моделей, вибрати серед декількох адекватних
моделей найкращу з метою використання її для прогнозування
та підготувати звіт виконаної роботи.
 Скласти контрольний тест до теми регресійний аналіз

15. Засоби регресійного аналізу за допомогою
пакету MS Еxcel
Використання вбудованих функцій Excel Додавання ліній тренда у діаграму

16. Тиждень 5. Дискримінантний
аналіз
 Охарактеризувати умови, особливості, етапи та практичні
навички застосування дискримінантного аналізу.
 Проаналізувати принцип дискримінантного аналізу,
відмінність множинного регресійного і дискримінантного
аналізів
 Визначити етапи виконання дискримінантного аналізу в
ПСП SPSS, ПСПStatistica
 Для індивідуального варіанту даних, побудувати модель
дискримінантного аналізу з використанням ПСП SPSS,
ПСП Statistica та прикладу виконання лабораторної
роботи 5 (Дискримінантний аналіз), а також зробити
висновки щодо адекватності побудованої моделей,
пояснити можливість використання моделі для
прогнозування та підготувати звіт виконаної роботи.
 Скласти контрольний тест до теми
дискримінантний аналіз

18.  Відмінність кластерного і дискримінантного аналізів
 Дискримінантний аналіз має певну подібність до кластерного
аналізу: в обох випадках дослідник ставить мету розділити
сукупність спостережень на декілька груп. Але у кластерному
аналізі кількість і склад груп заздалегідь невідомі. Немає також і
залежної змінної.
 Дискримінантний аналіз розглядає деяку "залежну" змінну, яка
визначає належність спостереження до певної групи, причому
кількість і склад груп визначені заздалегідь. Далі визначається
лінійна класифікаційна модель для прогнозування поводження
нових спостережень на підставі виміру ряду змінних.
 Відмінність множинного регресійного і дискримінантного
аналізів
 Дискримінантний аналіз являє собою альтернативу
множинного регресійного аналізу, для випадку, коли залежна
змінна являє собою некількісну (номінальну) змінну. При цьому в
обох випадках вирішуються однакові задачі: передбачення
значень залежної змінної і визначення того, які незалежні змінні
краще за все використати для такого прогнозування.

19. Тиждень 6. Факторний аналіз
 Пояснити умови, етапи та практичні навички застосування
факторного аналізу, можливості використання факторного
аналізу в експериментальних та наукових дослідженнях, як
відбувається інтерпретація .
 Проаналізувати відмінність факторного і множинного
регресійного аналізу
 Визначити етапи виконання дискримінантного аналізу в ПСП
SPSS, ПСПStatistica
 Для індивідуального варіанту даних, побудувати модель
факторного аналізу з використанням ПСП SPSS, ПСП Statistica
та прикладу виконання лабораторної роботи 6 (Факторний
аналіз), а також зробити висновки щодо адекватності моделі
факторного аналізу, пояснити можливість використання
факторної моделі для прогнозування та підготувати звіт
виконаної роботи.
 Скласти контрольний тест до теми факторний аналіз

21. Тиждень 7. Кластерний аналіз
 Пояснити умови, особливості, етапи та практичні навички
застосування кластерного аналізу, етапи кластерного
аналізу та інтерпретацію результатів
 Проаналізувати відмінність кластерного, факторного і
дискримінантного аналізів
 Визначити етапи виконання кластерного аналізу в
ПСП SPSS, ПСП Statistica
 Для індивідуального варіанту даних, побудувати модель
кластерного аналізу з використанням ПСП SPSS, ПСП
Statistica та прикладу виконання лабораторної роботи 7
(Кластерний аналіз), а також зробити висновки щодо
адекватності моделі кластерного аналізу, пояснити
можливість придатності використання моделі для
кластеризації об’єктів та підготувати звіт виконаної
роботи.
 Скласти контрольний тест до теми кластерний аналіз

22. Дендрит кластерного аналізу вирощування зернобобових культур,
цукрових буряків, соняшнику, картоплі та овочів у тонах на
кілометр квадратний (т/км²) на території України (по областях)

23.  Порівняння кластерного і факторного аналізів
 Головна схожість між кластерним та факторним аналізами полягає у
тому, що обидва призначені для переходу від сукупності багатьох
даних до суттєво меншої кількості факторів (кластерів). Але
реалізація такої ідеї у них відрізняється:
 · Якщо у факторному аналізі об’єднуються змінні, то у
кластерному – спостереження. Хоча у останніх версіях SPSS
присутня можливість використання кластерного аналізу і для
об’єднання змінних.
 · Суттєво відрізняються і принципи роботи. У факторному аналізі
об’єднання змінних у фактори відбувається на основі частки
дисперсії, яка обумовлена дією окремого фактору. При кластерному
аналізі покроково аналізується відстань між спостереженнями та вже
створеними кластерами, і новий кластер створює та пара, для якої
така відстань є найменшою.
 · На відміну від факторного аналізу, кластерний створює ієрархічну
структуру кластерів, тобто об’єднань спостережень. Таким чином
аналізується зв’язок або спільність спостережень.
 Факторний аналіз дозволяє проаналізувати зв’язок або
спільність змінних

24. Тиждень 8. Статистичний аналіз
часових рядів
 Охарактеризувати умови, особливості, етапи та практичні навички
застосування статистичного аналізу часових рядів та виконати статистичну
інтерпретацію результатів
 Проаналізувати відмінність методів статистичного аналізу часових рядів
від кластерного, факторного і дискримінантного аналізів.
 Визначити етапи виконання статистичного аналізу часових рядів в
ПСП SPSS, ПСП Statistica
 Для індивідуального варіанту даних, виконати статистичний аналіз часового
ряду побудувати адекватну модель з використанням ПСП SPSS, ПСП
Statistica та прикладу виконання лабораторної роботи 8 (Статистичний
аналіз часових рядів Кластерний аналіз), а також зробити статистичну
інтерпретацію отриманих результатів, пояснити можливість придатності
використання моделі для прогнозування та підготувати звіт виконаної
роботи.
 Скласти контрольний тест до теми статистичний аналіз часових рядів

25. Алгоритм дій для опанування тем занять кожногоАлгоритм дій для опанування тем занять кожного
тижня та виконання відповідних практичних завданьтижня та виконання відповідних практичних завдань
 опрацювання теоретичних матеріалів курсу;
 розв’язання завдань за темами курсу;
 виконання лабораторної роботи;
 складання тестових завдань;
 обговорення робіт студентів на форумах,
написання коментарів у блогах; проведення
онлайн-консультацій;
 опис виконання практичних завдань та форма звіту
лабораторної роботи вказуються окремо на кожному
тижні, створення презентацій у Power Point для
одного із занять;
 термін виконання -1 тиждень

26. Оцінювання та контроль навчальних досягнень

27. Результати
 вміння створювати комп’ютерні презентації за допомогою
програмного забезпечення Microsoft PowerPoint з
використанням різнотипної інформації: тексту, звуку, графіки,
відео;
 оволодіння навичками систематизації, узагальнення та
групування статистичних даних, їх представлення в різних
формах (таблична, графічна тощо);
 оволодіння статистичними методами побудови моделей
дослідження соціально-економічних явищ, реалізованими в
пакетах статистичних програм: Statistica, SPSS, Excel;
 оволодіння методами статистичного аналізу даних, зокрема
методами розрахунку узагальнюючих статистичних показників,
методами аналізу статистичних рядів розподілу, аналізу
динамічних процесів, аналізу взаємозв’язків соціально-
економічних явищ, індексним методом тощо;
 розвиток та удосконалення вміння самостійно здобувати
знання, обробляти різні види інформації;
 вміння обрати методику аналізу даних відповідно до
поставленої задачі;
 вміння проводити оцінку результатів статистичного аналізу,
формування вмінь логічно інтерпретувати результати
статистичних досліджень, робити обґрунтовані висновки щодо
побудованих моделей прогнозування та розрахованих
параметрів моделей.

28. Дякую за увагу!