Регрессионный анализ

Зачастую для большого количества собранных статистических дан-ных у исследователя изначально нет четкого представления о том, иметься ли какая-либо связь между собранными данными. Такая проблема акту-альна и в настоящее время, поскольку современные исследования в раз-личных областях предполагают сбор данных для которых до сих пор не существует известной зависимости или же эта зависимость крайне сложная, чтобы имелась возможность ее точного вычисления. Однако, стоит отметить, что, поскольку рассматриваемые направле-ния довольно востребованы, степень их проработки весьма высока. Суще-ствует широкий выбор программного обеспечения для решения подобных задач.

---

Если нужны рефераты на заказ в Хабаровске , заполняй форму на Work5.

---

. Таким образом целью курсовой работы является анализ методов нахождения зависимости между статистическими данными, в частности, методов регрессионного анализа. Для достижения этой цели необходимо решить следующие задачи: - Сбор информации о методах регрессионного анализа, в том числе, изучение математического аппарата. - Исследование существующих инструментов для регрессионного анализа. - Применение инструментов на предоставленных статистических данных. Объектом исследования является методы статистической обработки данных, а предметом - регрессионных анализ и его модели. В процессе выполнения данной изучена и проанализирована литера-тура, посвященная основам статистики, обработки статистических данных и в частности методов регрессионного анализа. Основные положения этого исследования приведены в первой главе работы. А так же разобрано при-менение изученной теории для нахождения зависимости влияния характе-ристик помещения на способность контроля температуры воздуха, этот пример приведен во второй главе. 

В данной курсовой работе проведено исследование методов регрес-сионного анализа. Изучен математический аппарат, задающий основную теоретическую базу для различных моделей регрессионного анализа. Более подробно рассмотрена линейная и множественная модель ре-грессионного анализа как наиболее распространенная. Так же были при-ведены некоторые популярные примеры использования данной модели в бизнесе и финансах. А также рассмотрели инструменты для работы со ста-тистическими данными, в том числе и с регрессионным анализом. Среди наиболее часто используемых программных средств можно назвать языки программирования, предназначенные для работы с подобными данными, такие как Python и R, а так же редактор Excel, предназначенный для рабо-ты с большими объемами данных. Проведен анализ предоставленных данных для выявления зависимо-сти нагрузки при обогреве и охлаждении. С помощью инструментов Py-thon и дополнительных модулей pandas и scikit-lear было выявлено, что высота и площадь помещения больше всего влияет на нагрузку отопления. Их общий вклад в прогнозной модели около 72%. 

1. Регрессионный анализ. [Электронный ресурс]. - Режим доступа: https://blog.sf.education/analytics-chto-takoe-regressionnyj-analiz/ / (дата обращения 16.06.2021) 2. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. — 3-е изд. — М.: "Диалектика", 2007. — 912 с. 3. Фёрстер Э., Рёнц Б. Методы корреляционного и регрессионного анализа. — М.: Финансы и статистика, 1981. — 302 с. 4. Радченко С. Г. Методология регрессионного анализа. — К.: "Корнийчук", 2011. — 376 с. Решения задачи множественной регрессии с помощью Python. [Электронный ресурс]. - Режим доступа: https://habr.com/ru/post/206306/ / (дата обращения 16.06.2021)