6518

Основные принципы работы в пакете STATISTICA

Книга

Информатика, кибернетика и программирование

Основные принципы работы в пакете STATISTICA Рабочее окно пакета STATISTICA имеет вид, сходный с окнами других программ, работающих в среде WINDOWS. Вверху содержится заголовок, указывающий, какой модуль сейчас...

Русский

2013-01-04

471.5 KB

85 чел.


1. Основные принципы работы в пакете STATISTICA

1.1. Рабочее окно пакета STATISTICA

Рабочее окно пакета STATISTICA имеет вид, сходный с окнами других программ, работающих в среде WINDOWS. Вверху содержится заголовок, указывающий, какой модуль сейчас открыт. Далее размещаются строка меню и панель инструментов. Пункты меню, File – Файл, Edit – Правка, View – Вид, Window – Окно, Window – Окно, Window – Окно аналогичны пунктам в других программам.

Пункт Analysis – Анализ содержит разделы статистического анализа, входящие в данный модуль, и переключение на другие модули Other Statistics – Другие статистические модули (рисунок 1.1).

Рисунок 1.1 –  Рабочее окно пакета STATISTICA, меню Analysis – Анализ

Пакет STATISTICA  представляет данные в виде электронной таблицы. При загрузке пакета на экране автоматически появляется последний файл данных, с которым работали.

1.2. Создание, открытие и сохранение файла данных

Для создания нового файла следует открыть меню File – Файл и выбрать New Data – Новые данные. На экране появится окно запроса для создания файла, где предлагается стандартное имя для файла – NEW. Это имя может быть изменено пользователем так же, как и в других программах Windows, расширение .sta  присваивается автоматически. Если имя нового файла уже используется, то на экране появится предупреждение.

Открыть уже существующий файл можно, выбрав в меню File – Файл пункт Open Data – Открыть данные. Открытие нескольких файлов с исходными данными в пакете STATISTICA  невозможно.

Сохранение файла производится путем выбора в меню File – Файл пункта Save – Сохранить.

После завершения действий по созданию нового файла на экране появится пустая электронная таблица, имеющая 10 строк и 10 столбцов. В отличие от обычных электронных таблиц, где строки и столбцы равноправны, в пакете STATISTICA  они имеют разное назначение. Столбцы выступают в качестве исследуемых признаков (Variables), а строки отображают наблюдения (Cases).

Чтобы откорректировать размеры таблицы, т.е. увеличить/уменьшить число строк или столбцов следует в меню Edit – Правка выбрать соответственно  Vars – Переменные или Cases – Наблюдения  или выбрать соответствующие кнопки на панели инструментов. В пакете STATISTICA  доступны следующие операции над переменными и наблюдениями: add – добавить, move – передвинуть, copy – копировать, delete – удалить.

Столбцы исходного вида таблицы имена VAR1, VAR2 и т.д. Чтобы переименовать переменную, например, VAR1, следует дважды щелкнуть левой кнопкой мыши на ее имени, и ввести новое имя.

1.3. Пример создания файла данных

Рассмотрим создание файла на следующем примере. Требуется создать файл по следующим данным. Проведено исследование 50 человек, где фиксировались их предпочтения в просмотре по телевидению соревнований по футболу, бейсболу и баскетболу, а также возраст опрашиваемых. Частота просмотра соревнований фиксировалась в шкале «всегда», «как правило», «иногда» и «никогда». Результаты обследования представлены в таблице 1.

Требуется занести данные обследования в файл данных.

Создадим файл ех1.sta : выберем New Data – Новые данные в меню File – Файл, и в появившемся окне запроса наберем ех1.

На экране появится пустая таблица 10х10. Для нашей таблицы требуется 50 строк (наблюдений) и достаточно 4 переменных.

Щелкнув по кнопке Cases – Наблюдения на панели инструментов (или выбрав Cases – Наблюдения в меню Edit – Правка), выберем add – добавить. На экране появится окно запроса (рисунок 1.2).

Таблица 1 – Результаты обследования

Возраст респон-дентов

Регулярность просмотра
респондентами соре
внований по

Возраст респон-дентов

Регулярность просмотра
респондентами соре
внований по

футболу

бейсболу

баскетболу

футболу

бейсболу

баскетболу

24

всегда

иногда

всегда

26

никогда

иногда

никогда

28

иногда

иногда

как правило

21

иногда

никогда

как правило

26

всегда

иногда

иногда

22

всегда

всегда

всегда

24

иногда

иногда

как правило

23

никогда

никогда

как правило

25

никогда

всегда

всегда

23

всегда

никогда

всегда

27

всегда

иногда

иногда

25

иногда

как правило

иногда

28

иногда

иногда

всегда

25

всегда

никогда

всегда

29

никогда

никогда

как правило

26

никогда

никогда

иногда

21

всегда

как правило

иногда

24

всегда

всегда

всегда

23

никогда

иногда

как правило

25

всегда

всегда

как правило

24

иногда

иногда

иногда

26

всегда

всегда

никогда

25

иногда

иногда

как правило

24

иногда

иногда

никогда

26

всегда

как правило

иногда

25

иногда

иногда

никогда

21

всегда

как правило

как правило

26

всегда

всегда

иногда

25

как правило

всегда

всегда

21

всегда

всегда

всегда

25

как правило

всегда

всегда

26

никогда

никогда

никогда

24

как правило

как правило

всегда

25

всегда

всегда

иногда

25

никогда

как правило

как правило

24

всегда

всегда

всегда

27

иногда

как правило

иногда

24

иногда

иногда

иногда

28

всегда

как правило

всегда

25

всегда

всегда

всегда

29

никогда

как правило

всегда

25

никогда

никогда

иногда

24

всегда

как правило

всегда

26

всегда

всегда

всегда

23

всегда

иногда

иногда

21

всегда

всегда

иногда

25

как правило

никогда

всегда

22

никогда

никогда

всегда

24

всегда

всегда

иногда

24

всегда

всегда

всегда

Рисунок 1.2 –  Добавление строк таблицы

В окне Number of Cases to Add – Число добавляемых строк поставим 40.

В окне Insert after Case – Добавить после наблюдения № оставим 1, предлагаемую по умолчанию.

Лишние переменные удалим, щелкнув по кнопке Vars – Переменные (или выбрав Vars – Переменные в меню Edit – Правка) и выбрав delete – удалить. В появившемся на экране окне запроса (рисунок 1.3) укажем номера удаляемых переменных From variable – С переменной Var5 To variable – До переменной Var10.

Рисунок 1.3 –  Удаление столбцов таблицы

Переименуем переменные: дважды щелкнем левой кнопкой мыши по названию Var1. На экране появится окно запроса (рисунок 1.4).

Рисунок 1.4 –  Определение переменной

В окне Name – Имя вместо Var1 напишем Age – Возраст. Для переименования остальных переменных можно поступить аналогично либо воспользоваться кнопками навигации « и » , расположенными под кнопкой Cancel – Отмена. В этом же окне в окне Column width – Ширина колонки можно задать ширину столбца, а в окне Decimals – Десятичные знаки задать число отображаемых знаков после запятой.

Заполним таблицу. Переменная AGE содержит числовые значения. Они вводятся с клавиатуры, число десятичных знаков регулируется, как показано выше, либо с помощью соответствующих кнопок на панели инструментов. Переменные FOOTBALL, BASEBALL и BASKETBALL содержат текстовые значения. Формат текстовых значений в диалоговом окне, представленном на рисунке 1.4, не предусмотрен. Поэтому текстовые значения вводятся следующим образом.

Выберем переменную FOOTBALL и дважды щелкнем мышью на ее заголовке. В появившемся диалоговом окне, аналогичном представленному на рис.4, нажмем на кнопку Text values – Текстовые значения для вызова диалогового окна Text values manager – Диспетчер текстовых значений (рисунок 1.5).

Рисунок 1.5 –  Диалоговое окно Text values manager – Диспетчер текстовых значений

В графу Text – Текст следует занести текстовые варианты переменной, а в графу Numeric – Число занести коды для них (по умолчанию проставятся 100, 101, 102 и т.д.).

В нашем примере текстовые значения переменных FOOTBALL, BASEBALL и BASKETBALL одинаковы. Поэтому при занесении кодов для переменных BASEBALL и BASKETBALL, чтобы не печатать переменные и коды заново, можно воспользоваться кнопкой Copy from Variable – Скопировать из Переменной диалогового окна Text values manager – Диспетчер текстовых значений и выбрать из появившегося списка переменных  FOOTBALL.

После нажатия ОК в таблицу данных надо заносить коды переменных, тогда на экране автоматически появятся текстовые значения.

Таблица теперь выглядит следующим образом (рисунок 1.6).

Сохраним файл командой Save – Сохранить из меню File – Файл.

Рисунок 1.6 –  Итоговый вид файла ех1.sta

2. Группировка данных в пакете STATISTICA

2.1. Цель работы

Группировка данных в пакете STATISTICA, построение рядов распределений, их визуализация с помощью средств пакета STATISTICA.

2.2. Краткие теоретические сведения.

Исследование массовых общественных явлений включает этапы сбора статистической информации и ее первичной обработки, сведения и группировки результатов наблюдения в определенные совокупности, обобщения и анализа полученных материалов.

Разбиение совокупности на группы, однородные по какому-либо признаку, называется группировкой. Признак, по которому происходит объединение отдельных единиц совокупности в однородные группы, называется группировочным признаком (он может быть как количественным, так и качественным). Количественные границы выделяемых групп очерчивает интервал, представляющий собой промежуток между максимальными и минимальными значениями признака в группе. Интервал – это значение варьирующего признака, лежащее в определенных границах.

Группировка, в которой для характеристики групп применяется численность группы, называется рядом распределения. Ряд распределения состоит из двух элементов: варианты – отдельного значения варьирующего признака, которое он принимает в ряду распределения, и частоты – численность отдельных вариант, т.е. частота повторения каждой варианты. Если частота выражена в долях единицы или в процентах к итогу (к общей сумме частот), то это – частость.

Ряды распределения, построенные по качественным группировочным признакам, называются атрибутивными. Ряды распределения, построенные по количественным группировочным признакам, называются вариационными. Дискретный вариационный ряд характеризует распределение единиц совокупности по дискретному группировочному признаку. Интервальный вариационный ряд строится в случае непрерывной вариации группировочного признака у единиц совокупности (величина признака может принимать в определенных пределах любые значения, отличающиеся друг от друга на сколь угодно малую величину).

Графическим изображением вариационного ряда при дискретной вариации признака является полигон распределения, при непрерывной вариации – гистограмма.

2.3. Способы группировки данных в пакете STATISTICA

В пакете STATISTICA широкие возможности по проведению группировки, построению рядов распределения и их графиков предоставляют Frequency tables – Таблицы частот (рисунок 2.1) и Tables and banners -Таблицы и заголовки в меню Analysis-Анализ модуля Basic Statistics and Tables – Основные статистики и таблицы.

2.3.1. Построение таблицы частот (простая группировка данных)

Таблицы частот  представляют собой простейший метод анализа, когда группировка данных и построение ряда распределения производится по одному группировочному признаку.

Открывшееся диалоговое окно (рисунок 2.2) содержит опции:

  •  Переменные – выбор переменных для построения таблицы частот.
  •  Таблицы частот – вычисление таблицы частот для каждой выбранной переменной.
  •  Гистограммы – построение графиков гистограмм для каждой выбранной переменной с наложенной кривой нормального распределения.

Рисунок 2.1 – Выбор Frequency tables – Таблицы частот в меню Analysis–Анализ в модуле Basic Statistics and Tables – Основные статистики и таблицы

Рисунок 2.2 – Диалоговое окно меню Frequency tables – Таблицы частот

Щелчок по кнопке Variables – Переменные открывает окно Select the variables for analysis – Выбрать переменные для анализа, где следует мышью указать на имя переменной и либо дважды щелкнуть по ней мышью, либо нажать на ОК. Для примера выберем переменную выберем переменную Age – Возраст из файла ex1.sta.

Для группировки данных предназначен ряд опций под общим названием  Categorization method for tables & graphs – Метод категоризации для таблиц и графиков. Рассмотрим некоторые из этих методов на примере файла данных ex1.sta.

1) Опция All distinct values – Все разл. значения позволяет получить дискретный ряд распределения, где будут перечислены все встречающиеся значения вариант. Пример применения этой опции для построения ряда распределения переменной Age – Возраст приведен на рисунке 2.3.

Таблица выводится на экран происходит нажатием кнопки Frequency tables – Таблица частот или кнопки ОК в диалоговом окне меню Frequency tables – Таблицы частот (см. рисунок 2.2).

Здесь:    CountЧастота;  Cumul. count –  Накопленная частота;

PercentЧастость;   Cumul. percentНакопленная частость

Missing дополнительная строка, отображающая количество пропущенных (отсутствующих) данных. На экране эта строка появляется, если включен режим  Missing Data (MD) Count – Считать пропущенные данные (см. рисунок 2.2).

Рисунок 2.3 –  Таблица частот (ряд распределения), полученная для переменной Age – Возраст с помощью опции All distinct values – Все различающиеся значения

Выбрать показатели, которые пользователь хочет видеть на экране помимо частоты, можно с помощью группы опций под общим названием Display options – Опции отображения (см. рисунок 2.2).  Если убрать все галочки, то нажав на кнопку Frequency tables – Таблица частот, получим простую таблицу частот, имеющую лишь две графы: варианты и их частоты.

Группировочный признак наряду с количественным значением может иметь качественное. Отметив галочкой with text values – с текстовыми значениями, получим атрибутивный ряд распределения. Пример применения этой опции для построения ряда распределения переменной Football – Футбол приведен на рисунке 2.4.

В противном случае качественные значения переменной будут отображены количественно (рисунок 2.5).

Рисунок 2.4 – Таблица частот, полученная для переменной Football – Футбол с помощью опции All distinct values – Все различающиеся значения с включенной опцией with text values – с текстовыми значениями

Рисунок 2.5 – Таблица частот, полученная для переменной Football – Футбол с помощью опции All distinct values – Все различающиеся значения с отключенной опцией with text values – с текстовыми значениями

2) Опция No. of exact intervals – Число равных интервалов позволяет получить ряд распределения с заданным количеством равных интервалов. Пример применения этой опции для построения ряда распределения переменной Age – Возраст приведен на рисунке 2.6.

Рисунок 2.6 – Таблица частот, полученная для переменной
Age – Возраст  с помощью опции No. of exact intervals – Число равных интервалов. Число интервалов задано равным 6

3) Опция «Neat» intervals app.no. – Приближенное число интервалов позволяет получить наглядную частотную таблицу, в которой границы интервалов имеют «круглые» значения. Применив эту опцию для построения ряда распределения переменной Age – Возраст, получим легкую для чтения и наглядную группировку, приведенную на рисунке 2.7. При этом следует помнить, что выполненные с помощью данной опции группировки не всегда имеют заданное пользователем число интервалов.

Рисунок 2.7 –  Таблица частот, полученная для переменной Age – Возраст  с помощью опции No. of exact intervals – Число равных интервалов. Число интервалов задано равным 5

4) Опция Step size – Размер шага позволяет провести группировку иначе, изначально задав желаемую величину интервала и начало первого интервала, которое чаще всего является минимальным значением признака (отметить at minimum) или 0 – в окне starting at – начать с  указать 0. Пользователь может назначить любую другую точку отсчета. Пример применения этой опции для построения ряда распределения переменной Age – Возраст приведен на рисунке 2.8.

Рисунок 2.8 –  Таблица частот (ряд распределения), полученная для переменной Age – Возраст  
с помощью опции
Step size – Размер шага. Размер шага задан равным 4

5) Опции Integer categories  – Целые категории строит таблицу частот  только для целых значений наблюдений, все нецелые величины показателя будут проигнорированы.

В программе предусмотрены и более сложные способы группировки данных, когда пользователь сам разбивает значения признаков на классы. Например, опция User specified categories – Определенные пользователем категории открывает диалоговое окно, где пользователь сможет осуществить свой выбор.

Графически таблицы частот представляются в пакете STATISTICA в виде гистограмм. Все настройки, произведенные для таблицы частот, действуют и в отношении гистограмм. На график переменной также накладывается гипотетическая кривая нормального распределения (отображается красным цветом).

2.3.2. Построение таблиц сопряженности (комбинированная группировка)

Это более сложные таблицы, так как содержат частоты нескольких переменных.

Кросстабуляция – это процесс объединения двух (или нескольких) таблиц частот так, что каждая ячейка (клетка) в построенной таблице представляется единственной комбинацией значений или уровней табулированных переменных. Таким образом, кросстабуляция позволяет совместить частоты появления наблюдений на разных уровнях рассматриваемых факторов (переменных). Исследуя эти частоты, можно определить связи между табулированными переменными.

Обычно табулируются категориальные переменные или переменные с относительно небольшим числом значений. Если необходимо табулировать непрерывную переменную (например, доход), то вначале ее следует перекодировать, разбив диапазон изменения на небольшое число интервалов (например, доход: низкий, средний, высокий).

Crosstabulation tables – Таблицы сопряженности доступны через стартовую панель модуля Basic Statistics and Tables – Основные статистики и таблицы, где в меню Analysis-Анализ следует выбрать Tables and banners – Таблицы и заголовки (рисунок 2.9).

Диалоговое окно построения таблиц сопряженности, или кросстабуляционных таблиц, (рисунок 2.10) содержит группу кнопок Stub-and-banner table,  позволяющую определить данные для построения двувходовой таблицы частот, и группу кнопок Multyway crosstabulation tables  –  для многовходовых таблиц частот.

Группа кнопок Stub-and-banner table  позволяет определить данные для построения двувходовой таблицы частот, группа кнопок Multyway crosstabulation tables  –  для многовходовых таблиц частот.

Выявим в нашем примере (файл ex1.sta) связи между переменными FOOTBALL и BASEBALL.  Для этого построим двувходовую таблицу частот, воспользовавшись группой кнопок Stub-and-banner table (см. рисунок 2.10). Нажав кнопку Specify tables – Специфицировать таблицу, выберем переменные для анализа: FOOTBALL и BASEBALL (рисунок 2.11).

Рисунок 2.9 – Выбор Frequency tables – Таблицы частот в меню Analysis-Анализ в модуле Basic Statistics and Tables – Основные статистики и таблицы

Рисунок 2.10 –  Диалоговое окно построения таблиц сопряженности (кросстабуляционных таблиц)

Рисунок 2.11 –  Выбор переменных для построения двувходовой таблицы частот

По нажатию кнопки ОК  открывается окно результатов (рисунок 12), где в свою очередь нажатием кнопки Review summary tables – Посмотреть таблицу результатов или кнопки ОК открывается двувходовая таблица сопряженности.

Рисунок 2.12  Окно результатов построения таблиц сопряженности

В нашем случае двухвходовая таблица сопряженности (сопряжены переменные FOOTBALL и BASEBALL) выглядит следующим образом (рисунок 2.13).

Рисунок 2.13 –  Двувходовая таблица сопряженности частот переменных FOOTBALL и BASEBALL

Каждая ячейка таблицы содержит единственную комбинацию значений двух табулированных переменных (в строках указаны значения переменной FOOTBALL, в столбцах – значения переменной BASEBALL). Числа в каждой ячейке, на пересечении определенной строки и определенного столбца, показывают, сколько наблюдений соответствует данным значениям переменных. Так, например, мы видим, что 13 человек, всегда смотрящих футбол, всегда смотрят и бейсбол.

В целях исследования отдельные строки и столбцы построенной таблицы сопряженности удобно представлять в виде графиков.

Графические средства, например Categorized Histograms – Категоризованные  гистограммы или 3D histograms – 3D гистограммы, дают особые преимущества и позволяют выявить закономерности, которые трудно поддаются количественному описанию и которые весьма сложно обнаружить с помощью вычислительных процедур (например, сложные взаимосвязи, исключения или аномалии). В этих случаях графические методы предоставляют уникальные возможности многомерного аналитического исследования.

Построение графиков Categorized Histograms – Категоризованных  гистограмм (см. рисунок 2.12), где каждая переменная представлена индивидуальными гистограммами на каждом уровне другой переменной, производится нажатием соответствующей кнопки. На категоризованной гистограмме, представленной на рисунке 2.14, показаны частоты увлечения респондентов бейсболом  (BASEBALL) на каждом уровне переменной FOOTBALL.

Рисунок 2.14 –  Категоризованная гистограмма, построенная
по таблице сопряженности (сопряжены переменные FOOTBALL и BASEBALL)

Например, мы видим, что 13 человек из тех, кто всегда смотрит соревнования по футболу, всегда смотрят и соревнования по бейсболу, 5 человек смотрят бейсбол как правило, 4 – иногда, 2 – никогда. Кроме того, 8 человек, иногда смотрящих соревнования по футболу, также иногда смотрят и соревнования по бейсболу, 6 человек из тех, кто никогда не смотрит соревнования по футболу, никогда не смотрят и соревнования по бейсболу.

Преимущество 3D histograms – 3D гистограммы в том, что она позволяет представить на одном графике таблицу целиком (рисунок 15).

Рисунок 2.15 –  3D гистограмма, построенная по таблице сопряженности (сопряжены переменные FOOTBALL и BASEBALL)

Анализ построенных таблиц сопряженности и соответствующих графиков позволяет предположить прямую взаимосвязь между частотой просмотра респондентами спортивных соревнований по футболу и по бейсболу. Графические средства позволяют представить указанную тенденцию более наглядно.

Задание № 1

Имеются следующие данные об одновременных покупках соков и фруктов в супермаркете пятидесяти покупателей мужского и женского пола.

Пол

Сок

Фрукт

Пол

Сок

Фрукт

муж.

апельс.

апельс.

муж.

апельс.

виногр.

муж.

яблочн.

яблоки

муж.

апельс.

яблоки

жен.

яблочн.

апельс.

жен.

апельс.

апельс.

муж.

апельс.

апельс.

жен.

апельс.

апельс.

муж.

виногр.

яблоки

муж.

виногр.

яблоки

жен.

апельс.

яблоки

муж.

апельс.

апельс.

жен.

яблочн.

апельс.

жен.

яблочн.

яблоки

муж.

апельс.

апельс.

жен.

апельс.

апельс.

жен.

апельс.

апельс.

муж.

яблочн.

яблоки

муж.

апельс.

апельс.

муж.

виногр.

виногр.

жен.

виногр.

виногр.

муж.

виногр.

апельс.

муж.

виногр.

виногр.

жен.

виногр.

апельс.

муж.

апельс.

яблоки

жен.

апельс.

яблоки

муж.

яблочн.

апельс.

жен.

апельс.

яблоки

жен.

апельс.

виногр.

муж.

яблочн.

апельс.

жен.

апельс.

виногр.

муж.

апельс.

яблоки

муж.

яблочн.

апельс.

муж.

яблочн.

яблоки

жен.

виногр.

виногр.

жен.

апельс.

апельс.

жен.

яблочн.

апельс.

муж.

апельс.

апельс.

муж.

апельс.

яблоки

муж.

яблочн.

яблоки

муж.

апельс.

апельс.

муж.

виногр.

виногр.

жен.

виногр.

виногр.

жен.

виногр.

виногр.

муж.

виногр.

виногр.

жен.

апельс.

яблоки

жен.

апельс.

апельс.

жен.

яблочн.

апельс.

муж.

яблочн.

яблоки

муж.

яблочн.

яблоки

1) Определить процентное соотношение мужчин и женщин, принявших участие в опросе.

Определить по данной выборке долю (в %) каждого вида соков (фруктов) в общем объеме купленных соков (фруктов).

2) Определить по данной выборке частоты предпочтения различных фруктов на каждом уровне предпочтения соков:

а) по всем респондентам в целом,

б) отдельно по мужчинам и женщинам.

Сравнить результаты анализа по пунктам а) и б).

Примечание. Для занесения данных в таблицу используйте английские эквиваленты:

пол – gender, мужской – male, женский – female, сок – juice, фрукты – fruits, апельсин/апельсиновый – orange, яблоки/яблочный – apple, виноград/виноградный – grape.

Задание № 2

В результате наблюдения получены следующие данные о величине процентной ставки коммерческих банков (%).

14,7

19,0

24,5

20,8

12,3

24,6

17,0

14,2

19,7

18,8

18,1

20,5

21,0

20,7

20,4

14,7

25,1

22,7

19,0

19,6

19,0

18,9

17,4

20,0

13,8

25,6

13,0

19,0

18,7

21,1

13,3

20,7

15,2

19,9

21,9

16,0

16,9

15,3

21,4

20,4

12,8

20,0

14,3

18,0

15,1

23,8

18,5

14,4

21,0

19,0

Произвести группировку коммерческих банков на основе величины их процентных ставок, задав пять равных интервалов. Какой интервал имеет наибольшую частоту? Перегруппируйте данные, используя опцию «Neat» intervals app.no. – Приближенное число интервалов. Какая из группировок более наглядна для экономического анализа?


Словарь некоторых терминов,
используемых в пакете
STATISTICA

3D histograms – трехмерные гистограммы

ActionДействия

Add – Добавить

All distinct values – Все различающиеся значения

Analysis – Анализ

Basic Statistics and Tables – Основные статистики и таблицы.

Box&whisker plot for all variables – Диаграмма размаха для всех переменных

BrushingКисть

Cancel – Отмена

Cases – Наблюдения

Categorization method for tables & graphs – Метод категоризации для таблиц
и графиков

Categorized Histograms – Категоризованные гистограммы

Column width – Ширина колонки

Conf.limits for means – доверительные границы для среднего

Copy – Копировать

Copy from – Скопировать из

Correlations – Корреляции

Count – Частота

Crosstabulation tables – Таблицы сопряженности

Cumul. count –  Накопленная частота

Cumul. percent – Накопленная частость

Decimals – Десятичные знаки

Delete – Удалить

Dependent variable – Зависимая переменная 

Descriptive statsОписательные статистические характеристики

Detailed descriptive statistics – Подробные описательные статистики

dfЧисло степеней свободы F-критерия

Display options – Опции отображения

Distribution – Распределение

Each variable contents data for one group – Каждая переменная содержит
данные для одной переменой

Edit – Правка

F – Расчетное значение F-критерия

FileФайл

Frequency tablesТаблицы частот

From variable – С переменной

Graph – График

Graph of Residuals  – График остатков

Groping variable –  Группирующая переменная

Histograms – Гистограммы

Independent variable – Независимая переменная

Insert after Case – Добавить после наблюдения №

Integer categories – Целые категории

IntercptСвободный член уравнения, константа

K-S test – Критерий Колмогорова-Смирнова

Kurtosis – Коэффициент эксцесса.

Lilliefors test – Критерий Лиллиефорса

Lower&upper quartiles – Нижняя и верхняя квартили

Maximum – Максимальное значение показателя

Mean – Среднее значение по каждому показателю

Median – Медиана

Minimum – Минимальное значение показателя

Missing Data (MD) Count – Считать пропущенные данные

Model DefinitionОпределение  модели 

Module Switcher – Переключатель модулей

More Statistics – Другие статистики

Move – Передвинуть

Multiple R – Множественный коэффициент корреляции (в случае парной корреляции – парный)

Multiple regressionМножественная регрессия

Name – Имя

Neat» intervals app.no. – Приближенное число интервалов

New Data – Новые данные

No. of exact intervals – Число равных интервалов

Nonlinear EstimationНелинейное оценивание

Normal plot of resides  – Нормальный график остатков

Normal probability plots – Нормальные вероятностные графики

Number of Cases to AddЧисло добавляемых строк

NumericЧисло

One record per case (Use a grouping variable)Используется группирующая переменная

Open Data – Открыть данные

Other Statistics – Другие статистические модули пакета

Percent – Процентное отношение частоты данной варианты к общей сумме частот, т.е. частость

Predict dependent variableПрогноз зависимой переменной

Predicting valuesПрогнозное значение

Probability plotsВероятностные графики

Quartile range – Квартильный размах

QuitВыход

Range – Размах вариации

Regression Summary for dependent variableИтоговая таблица регрессии зависимой переменной

Regression SummaryИтоговая таблица регрессии 

Residual AnalysisАнализ остатков

Resume Analysis – Возобновить анализ

Review descr. stats, corr. matrix – Просмотреть описательные статистические характеристики, корреляционные матрицы.

Review descr. stats, corr. matrixПросмотреть описательные статистические характеристики, корреляционные матрицы

Review Descriptive statisticsПросмотр описательных статистических характеристик

Review summary tables – Посмотреть таблицу результатов

RI – Множественный коэффициент детерминации (в случае парной корреляции – парный)

Save – Сохранить

Select the variables for analysis – Выбрать переменные для анализа

Select the variables for analysis – Выбрать переменные для анализа

ShapiroWilks W test – Критерий Шапиро-Уилка W  

Skewness – Коэффициент асимметрии

Specify tables – Специфицировать таблицу

Specify values for independent varsОпределить значение независимой переменной

Startup Panel – Стартовая панель

Std. Dev. – Стандартное отклонение (среднеквадратическое отклонение)

Step size – Размер шага

Sum – Сумма

Tables and banners -Таблицы и заголовки

Tests of normality – Критерии нормальности:

Text – Текст

Text values – Текстовые значения

Text values manager – Диспетчер текстовых значений

To variable – До переменной

t-test for dependent samplest-критерий для зависимых выборок

t-test for independent samplest-критерий для независимых выборок

Turn OFF – Отключить

UpdateОбновить

User specified categories – Определенные пользователем категории

Valid N – Число наблюдений, по которым были рассчитаны характеристики

Variables (Vars) – Переменные

VarianceДисперсия 

ViewВид

WindowОкно



 

А также другие работы, которые могут Вас заинтересовать

50818. Каскадные листы стилей CSS 330.5 KB
  Значение 0 соответствует полной прозрачности элемента а 1 наоборот его непрозрачности.2 Oper 9 border позволяет одновременно установить толщину стиль и цвет рамки вокруг элемента.
50819. Построение и экспериментальная проверка статической характеристики замкнутой системы 868 KB
  Освоить методику аналитического построения статической характеристики замкнутой САР по статическим характеристикам отдельных элементов. Под статической характеристикой замкнутой САР понимают функциональную зависимость регулируемой величины от задающего и возмущающих воздействий снятую на установившихся режимах. Если регулируемая величина на установившемся режиме не зависит от возмущающих воздействий то такая система называется астатической а если зависит то статической.
50820. Определение теплоёмкости методом Клемана и Дезорма 58.5 KB
  Эта величина, в частности, определяет скорость распространения звука в газах; от неё зависит течение газов по трубам со звуковыми скоростями и достижение сверхзвуковых скоростей в трубах, сначала суживающихся, а затем резко расширяющихся (сопла Лаваля). Основная идея метода Клемана и Дезорма состоит в следующем.
50821. DHTML и JavaScript на web-страницах 560 KB
  Цель работы: ознакомиться с основными возможностями языка JavaScript, синтаксисом, встроенными объектами, событиями DHTML, получить практические навыки программирования на языке JavaScript.
50822. Экспериментальное определение характеристик объекта регулирования, выбор закона регулирования и расчет параметров настроек регулятора 804 KB
  Изучить инженерный метод выбора закона регулирования и расчета параметров настроек регуляторов непрерывного действия. Характеристики объектов регулирования Большинство промышленных объектов можно представить в виде элементов которые являются аккумуляторами вещества или энергии. Динамические и статические свойства объекта регулирования описываются дифференциальными уравнениями.
50823. Скриптовый язык программирования PHP 298 KB
  Он может также использоваться для создания изображений и манипуляций с файлами изображений различных форматов включая gif png jpg wbmp и xpm. Обратите внимание что здесь предполагается использование имени...
50824. Проектирование салона швейного предприятия сервиса 156 KB
  Рассчитать численность работающих и площадь салона.Согласно варианту задания дать краткую характеристику приемного салона по зонам.1 Исходные данные для проектирования салона Таблица 4.
50825. Имитационное моделирование. Разработка модели системы массового обслуживания в Arene 807.5 KB
  Практическая часть Исходные данные для рассмотренного в практической части примера: В салон по сборке компьютеров со среднем временем в 15 минут приходит 1 клиент что определяется по экспоненциальному закону чтобы выбрать компьютер ПК. Выбор ПК осуществляется в течении 1520 минут. Отдел по сборке системного блока осуществляет единичный заказ в течение 4050 минут в то время как отдел по подбору соответствующих монитора и периферийных устройств делает свой единичный заказ в течение 540 минут. Определить необходимое минимальное...
50826. Исследование влияния параметров настройки регулятора на качество процесса регулирования 38.5 KB
  Динамические свойства систем автоматического регулирования Требования предъявляемые к поведению стабилизирующих систем автоматического регулирования САР в динамике зависят от их назначения характера воздействий конкретных условий и т. Достаточным условием следует считать качество процесса регулирования которое оценивается видом переходных процессов и ошибками на установившихся режимах.14 рассмотрены показатели качества процесса регулирования: время регулирования tp перерегулирование σ статическая ошибка Δxs=δ остаточное отклонение...