Estatísticas IBM SPSS. Nível 5. Análise estatística multivariada - curso RUB 34.990. de Especialista, treinamento 32 ac. h., Data: 17 de setembro de 2023.
Miscelânea / / December 05, 2023
O curso examina métodos estatísticos multivariados, que também são classificados como métodos de mineração de dados. Esses métodos permitem encontrar padrões ocultos e não óbvios em grandes quantidades de dados e tomar decisões de gerenciamento com base nesses padrões.
Conversa 1. Introdução
Conversa 2. Uma Breve História do SPSS
Conversa 3. Para quem são os cursos SPSS?
Conversa 4. Benefícios dos cursos SPSS de Especialização
Conversa 5. Métodos estatísticos para análise de dados usando IBM SPSS Statistics
Conversa 6. Análise avançada de dados com IBM SPSS Statistics
Conversa 7. Apresentando dados em tabelas no IBM SPSS Statistics
Conversa 8. Conduzindo pesquisas de amostra usando o módulo Complex Samples do IBM SPSS Statistics
Conversa 9. Técnicas eficazes para gerenciar arquivos e dados no IBM SPSS Statistics
Conversa 10. Conclusão
Você vai aprender:
- Conduzir análise de cluster usando vários métodos
- Realizar análise fatorial e de componentes
- Realizar análise discriminante e classificação com base nela
- Construir árvores de decisão e analisá-las
- Construir modelos de dispersão multidimensionais
Professor-praticante profissional com ampla e variada experiência profissional, além de mais de 10 anos de experiência docente. Explica o material educacional de maneira envolvente e inteligível, usando muitos exemplos interessantes de sua própria prática. Brilho...
Professor-praticante profissional com ampla e variada experiência profissional, além de mais de 10 anos de experiência docente. Explica o material educacional de maneira envolvente e inteligível, usando muitos exemplos interessantes de sua própria prática. O brilho e a vivacidade da apresentação de Alina Viktorovna ajudam os ouvintes a assimilar o currículo de forma rápida e completa. O professor responde detalhadamente a todas as questões que surgem do público e comenta cuidadosamente as situações em análise.
Alina Viktorovna possui diversos cursos superiores nas especialidades “Tecnologia da Informação” e “Economista”. Possui o grau académico de Candidato em Ciências Técnicas na área de automação e controlo de processos técnicos na indústria. Participou no desenvolvimento de modelos estatísticos para automatização do processo tecnológico de produção de chapas de vidro, em projetos de implementação de métodos estatísticos para controle de processos na indústria automotiva (em fábricas como AvtoVAZ, KamAZ, GAZ e etc.). Analisa o sistema de saúde das regiões da Federação Russa. Participa de projeto para identificar tendências empreendedoras entre escolares como analista.
Desenvolveu diversos complexos educacionais e metodológicos e tem participado repetidamente dos trabalhos da comissão de certificação para defesa de trabalhos qualificados. Autor de 17 trabalhos científicos, incluindo artigos científicos em publicações russas e estrangeiras. Possui certificado da empresa alemã Q-DAS para realizar treinamento especializado em controle estatístico de processos para a empresa BOSCH.
Alina Viktorovna possui um domínio impecável de metodologias para descrição de processos de negócios, modelagem de sistemas, métodos estáticos de processamento de dados e padrões de design de SI. Em suas aulas, ela dá exemplos de diferentes áreas de trabalho para que o material seja igualmente compreensível para alunos de diferentes setores.
Módulo 1. Análise de cluster e sua aplicação (2 ac. h.)
- Métodos de classificação multidimensional
- Conceito e áreas de aplicação da análise de cluster
- Tarefas de análise de cluster
- Métodos de análise de cluster
- Vantagens e desvantagens da análise de cluster
- Etapas da análise de cluster
- Dados iniciais para análise de cluster
- Mede a distância entre objetos
- Análise da qualidade da classificação
Módulo 2. Análise hierárquica de cluster (4 ac. h.)
- Recursos de análise hierárquica de cluster
- Algoritmo de métodos hierárquicos de análise de cluster
- Mede a distância entre clusters
- Distâncias do procedimento
- Medidas de diferença
- Medidas de similaridade
- Análise de cluster hierárquica de procedimentos
- Selecionando um método hierárquico de análise de cluster
- Resultados do procedimento de Análise Hierárquica de Cluster
- Representação gráfica dos resultados da análise hierárquica de cluster
- Configuração de estatísticas para o procedimento de Análise Hierárquica de Cluster
- Salvando novas variáveis
Módulo 3. Classificação usando o método k-means (2 ac. h.)
- A essência e as características do método k-means
- Algoritmo do método k-means
- Procedimento de análise de cluster usando o método k-means
- Resultados do procedimento Análise de cluster pelo método k-means
- Definir o número de iterações
- Configurando parâmetros adicionais
- Resultados da exibição de configurações adicionais
- Salvando novas variáveis
- Apresentação gráfica dos resultados
Módulo 4. Análise de cluster em dois estágios (4 ac. h.)
- Recursos de análise de cluster em dois estágios
- Pré-requisitos para análise de cluster em dois estágios
- Algoritmo para análise de cluster em dois estágios
- Procedimento Análise de cluster em dois estágios
- Resumo dos resultados do modelo
- Avaliação da estrutura do cluster
- Ver informações sobre clusters
- Exibir informações sobre clusters
- Controle de saída
- Resultado do procedimento de Análise de Cluster em Duas Etapas
- Painel adicional do Cluster Viewer
- Seleção de observações por clusters
- Parâmetros do procedimento de análise de cluster em dois estágios
Módulo 5. Métodos de redução de dimensionalidade: análise fatorial e de componentes (4 ac. h.)
- O conceito de análise fatorial
- Finalidade e objetivos da análise fatorial
- Etapas da análise fatorial
- Pré-requisitos para a utilização da análise fatorial
- Algoritmo de análise de componentes
- Algoritmo de análise fatorial
- Comparação de análises fatoriais e componentes
- Pré-requisitos para utilização de análises fatoriais e de componentes
- Análise Fatorial de Procedimento
- Resultados do procedimento de Análise Fatorial
- Regras para seleção de fatores
- Selecionando um método de análise fatorial
- Problema de rotação de fator
- Ajuste da rotação do fator
- Parâmetros do procedimento de análise fatorial
- Saída de estatísticas descritivas
- Salvando valores de fator
Módulo 6. Classificação baseada em respostas: análise discriminante (4 ac. h.)
- Segmentação baseada em respostas
- Métodos de segmentação baseados em respostas
- Dados iniciais para análise discriminante
- Semelhanças entre análise discriminante e regressão logística
- Diferenças entre análise discriminante e regressão logística
- Finalidade e objetivos da análise discriminante
- Pré-requisitos para análise discriminante
- Etapas da análise discriminante
- Métodos de análise discriminante
- Dados iniciais
- Modelo de análise discriminante linear
- Análise discriminante do procedimento
- Resultados do procedimento de Análise Discriminante
- Estatísticas do procedimento de Análise Discriminante
- Método de procedimento de seleção passo a passo Análise discriminante
- Classificação baseada nos resultados da análise discriminante
- Estatísticas de classificação
- Salvando novas variáveis
Módulo 7. Análise multivariada de variância (4 ac. h.)
- Análise multivariada de variância
- Configuração de parâmetros para o procedimento multidimensional OLM
- Principais resultados da análise de variância multivariada
- ANOVA com medidas repetidas
- Procedimento GLM - medições repetidas
- Configuração de parâmetros para o procedimento de medições repetidas do OLM
Módulo 8. Modelos de classificação baseados em árvores de decisão (8 ac. h.)
- A essência do método de construção de uma árvore de decisão
- Áreas de aplicação da árvore de decisão
- Funcionalidades e pré-requisitos para utilização do método de árvore de decisão
- Métodos para construção de uma árvore de decisão
- Comparação de métodos para construção de uma árvore de decisão
- Árvores de classificação de procedimentos
- Interpretação e estudo de árvores de decisão
- Verificação da adequação do modelo
- Personalizando a saída no procedimento Árvores de Classificação
- Configurações e parâmetros do procedimento Árvores de Classificação
- Regras para classificação de observações
- Critérios no procedimento Árvores de Classificação
- Árvores de decisão de regressão
- Construção de árvores de decisão de regressão