Современные программные средства для статистической обработки данных и их использование для формирования и анализ датасетов
ВВЕДЕНИЕ
Последние десятилетия ХХ века отмечены событиями, существенным образом трансформировавшими современную социокультурную реальность. Речь идет об активном вхождении в жизнь общества новейших информационных технологий, произошедшем в результате бурного развития электроники.
Начиная с середины 60-х годов западными социологами и социальными философами активно обсуждается вопрос о вступлении наиболее развитых стран в качественно иную стадию социального развития, охарактеризованную ими как постиндустриальное или информационное общество, главным отличающим критерием которого является определяющая роль информационных технологий во всех сферах жизнедеятельности людей. Но если в 60-е годы идеи об информационном обществе имели скорее характер футурологических прогнозов, то в ходе совершенствования электронной техники и цифровых технологий, большинство из предсказанных теоретиками событий обрели свое реальное воплощение, выразившееся в бурном развитии средств массовой коммуникации, в
СОДЕРЖАНИЕ
ВВЕДЕНИЕ
1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ СТАТИСТИЧЕСКИХ ПАКЕТОВ
1.1 Предпосылки создания статистических пакетов
1.2 Сущность, требования, классификация статистических пакетов
1.3 Описание и возможности статистических пакетов
1.4 Преимущества и недостатки статистических пакетов
2. ОБЛАСТИ ПРИМЕНЕНИЯ СТАТИСТИЧЕСКИХ ПАКЕТОВ
2.1 Программные средства статистического анализа данных
2.2 Анализ данных с использованием Python
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ИНТЕРНЕТ-РЕСУРСОВ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ИНТЕРНЕТ-РЕСУРСОВ
1. Айзек М.П. Графика, формулы, анализ данных в Excel. Пошаговые примеры / М.П. Айзек. — СПб.: Наука и техника, 2019. — 384 c.
2. Бабенко М. А., Левин М. В. Введение в теорию алгоритмов и структур данных. — М.: МЦНМО. 2020. 144 с.
3. Бенгфорт, Б. Прикладной анализ текстовых данных на Python. Машинное обучение и создание приложений обработки естественного языка / Б. Бенгфорт. — СПб.: Питер, 2019. — 368 c.
4. Гашев С. Н. Математические методы в биологии: анализ биологических данных в системе Statistica. — М.: Юрайт. 2020. 208 с.
5. Козлов А.Ю. Статистический анализ данных в MS Excel: Учебное пособие / А.Ю. Козлов, В.С. Мхитарян, В.Ф. Шишов. — М.: Инфра-М, 2018. — 80 c.
6. Кравченко А. И. Анализ и обработка социологических данных. Учебник. — М.: КноРус. 2020. 498 с.
7. Кулаичев А.П. Методы и средства комплексного анализа данных: Учебное пособие / А.П. Кулаичев. — М.: Форум, 2018. — 160 c.
8. Макшанов А.В. Технологии интеллектуального анализа данных: Учебное пособие / А.В. Макшанов, А.Е. Журавлев. — СПб.: Лань, 2018. — 212 c.
9. Макшанов А.В. Технологии интеллектуального анализа данных. — М.: Лань. 2019. 212 с.
10. Миркин Б. Г. Введение в анализ данных. — М.: Юрайт. 2020. 175 с.
11. Мхитарян В. С. Теория планирования эксперимента и анализ статистических данных. — М.: Юрайт. 2020. 491 с.
12. Нархид Н. Apache Kafka. Потоковая обработка и анализ данных / Н. Нархид. — СПб.: Питер, 2019. — 320 c.
13. Ниворожкина Л.И. Статистические методы анализа данных: Учебник / Л.И. Ниворожкина, С.В. Арженовский, А.А. Рудяга. — М.: Риор, 2018. — 320 c.
14. Панкратова Е.В. Анализ данных в программе SPSS для начинающих социологов / Е.В. Панкратова, И.Н. Смирнова, Н.Н. Мартынова. — М.: Ленанд, 2018. — 200 c.
15. Рафалович В. Data mining, или интеллектуальный анализ данных для занятых. Практический курс / В. Рафалович. — М.: SmartBook, 2018. — 352 c.
16. Салин В. Н., Чурилова Э. Ю. Статистический анализ данных цифровой экономики в системе "Statistica". Учебно-практическое пособие. — М.: КноРус. 2019. 240 с.
17. Сидняев Н. И. Теория планирования эксперимента и анализ статистических данных. — М.: Юрайт. 2020. 496 с.
18. Симчера В.М. Методы многомерного анализа статистических данных / В.М. Симчера. — М.: Финансы и статистика, 2018. — 400 c.
19. Тюрин Ю.Н. Анализ данных на компьютере: Учебное пособие / Ю.Н. Тюрин, А.А. Макаров; Науч. ред. В.Э. Фигурнов. — М.: ИД ФОРУМ, 2017. — 368 c.
20. Форман Дж. Много цифр: Анализ больших
Возможности графического отображения результатов встроенные функции Мастер диаграмм графики типа 2М, 3М, пиктограммы графики, дендрограммы в процедуре PLOT DEND-ROGRAM диаграммы, гистограммы, OLAP – многомерное представление данных в виде кросс-таблиц и кросс-диаграмм
Возможности импорта данных из других приложений MS Officeиз других приложений MS Office, в том числе из MS Excelиз других приложений MS Office, в том числе из MS Excelиз других приложений MS Office программой Deductor StudioВозможности экспорта данных таблицы и диаграммы в другие приложения MS Officeтаблицы и диаграммы в другие приложения MS Officeтаблицы и диаграммы в другие приложения MS Office таблицы и диаграммы в другие приложения MS Office программой Deductor Studio