stringtranslate.com

Анализ данных

Анализ данных — это процесс проверки, очистки , преобразования и моделирования данных с целью обнаружения полезной информации, обоснования выводов и поддержки принятия решений. [1] Анализ данных имеет множество аспектов и подходов, охватывая различные методы под разными названиями, и используется в различных областях бизнеса, науки и социальных наук. [2] В современном деловом мире анализ данных играет роль в принятии более научных решений и помогает бизнесу работать более эффективно. [3]

Интеллектуальный анализ данных — это особый метод анализа данных, который фокусируется на статистическом моделировании и обнаружении знаний для прогнозных, а не чисто описательных целей, в то время как бизнес-аналитика охватывает анализ данных, который в значительной степени опирается на агрегирование, уделяя особое внимание бизнес-информации. [4] В статистических приложениях анализ данных можно разделить на описательную статистику , исследовательский анализ данных (EDA) и подтверждающий анализ данных (CDA). [5] EDA фокусируется на обнаружении новых особенностей данных, тогда как CDA фокусируется на подтверждении или опровержении существующих гипотез . [6] [7] Прогнозная аналитика фокусируется на применении статистических моделей для прогнозного прогнозирования или классификации, в то время как текстовая аналитика применяет статистические, лингвистические и структурные методы для извлечения и классификации информации из текстовых источников, разновидности неструктурированных данных . Все вышеперечисленное является разновидностями анализа данных. [8]

Интеграция данных является предшественником анализа данных, а анализ данных тесно связан с визуализацией и распространением данных. [9]

Процесс анализа данных

Блок-схема процесса обработки данных из книги Doing Data Science , автор: Schutt & O'Neil (2013).

Анализ означает разделение целого на отдельные компоненты для индивидуального изучения. [10] Анализ данных — это процесс получения необработанных данных и последующего преобразования их в информацию, полезную для принятия решений пользователями. [1] Данные собираются и анализируются, чтобы ответить на вопросы, проверить гипотезы или опровергнуть теории. [11]

Статистик Джон Тьюки в 1961 году определил анализ данных как:

«Процедуры анализа данных, методы интерпретации результатов таких процедур, способы планирования сбора данных, чтобы сделать их анализ проще, точнее или точнее, а также все механизмы и результаты (математической) статистики, которые применяются для анализа данных. ." [12]

Можно выделить несколько этапов, описанных ниже. Этапы являются итеративными , поскольку обратная связь от более поздних этапов может привести к дополнительной работе на более ранних этапах. [13] Структура CRISP , используемая в интеллектуальном анализе данных , имеет аналогичные этапы.

Требования к данным

Данные необходимы в качестве входных данных для анализа, который определяется на основе требований тех, кто руководит аналитикой (или клиентов, которые будут использовать готовый продукт анализа). [14] [15] Общий тип объекта, о котором будут собираться данные, называется экспериментальной единицей (например, человек или популяция людей). Могут быть указаны и получены конкретные переменные, относящиеся к населению (например, возраст и доход). Данные могут быть числовыми или категориальными (т. е. текстовой меткой для чисел). [13]

Сбор данных

Данные собираются из различных источников. [16] [17] Список источников данных доступен для изучения и исследования. Аналитики могут сообщать требования хранителям данных; например, персонал информационных технологий в организации. [18] Сбор данных или сбор данных — это процесс сбора и измерения информации о целевых переменных в установленной системе, который затем позволяет ответить на соответствующие вопросы и оценить результаты. Данные также могут быть собраны с датчиков окружающей среды, в том числе с дорожных камер, спутников, записывающих устройств и т. д. Их также можно получить посредством интервью, загрузки из онлайн-источников или чтения документации. [13]

Обработка данных

Фазы аналитического цикла , используемые для преобразования необработанной информации в практические сведения или знания, концептуально аналогичны этапам анализа данных.

Данные, первоначально полученные, должны быть обработаны или систематизированы для анализа. [19] [20] Например, это может включать размещение данных в строках и столбцах в формате таблицы ( известном как структурированные данные ) для дальнейшего анализа, часто с использованием электронных таблиц или статистического программного обеспечения. [13]

Очистка данных

После обработки и систематизации данные могут быть неполными, содержать дубликаты или ошибки. [21] [22] Необходимость в очистке данных возникает из-за проблем со способом ввода и хранения данных. [21] Очистка данных — это процесс предотвращения и исправления этих ошибок. Общие задачи включают сопоставление записей, выявление неточностей данных, общее качество существующих данных, дедупликацию и сегментацию столбцов. [23] Подобные проблемы с данными также можно выявить с помощью различных аналитических методов. Например; Используя финансовую информацию, итоговые суммы по конкретным переменным можно сравнивать с отдельно опубликованными цифрами, которые считаются надежными. [24] [25] Необычные суммы, превышающие или ниже заранее определенных пороговых значений, также могут быть пересмотрены. Существует несколько типов очистки данных, которые зависят от типа данных в наборе; это могут быть номера телефонов, адреса электронной почты, работодатели или другие значения. [26] [27] Методы количественного анализа данных для обнаружения выбросов можно использовать, чтобы избавиться от данных, которые с большей вероятностью будут введены неправильно. [28] Средства проверки правописания текстовых данных можно использовать для уменьшения количества слов с ошибками. Однако труднее сказать, верны ли сами слова. [29]

Исследовательский анализ данных

После очистки наборов данных их можно проанализировать. Аналитики могут применять различные методы, называемые исследовательским анализом данных , чтобы начать понимать сообщения, содержащиеся в полученных данных. [30] Процесс исследования данных может привести к дополнительной очистке данных или дополнительным запросам данных; таким образом, инициализируется итеративные фазы , упомянутые в первом абзаце этого раздела. [31] Для облегчения понимания данных можно генерировать описательную статистику , такую ​​как среднее или медианное значение. [32] [33] Визуализация данных — это также используемый метод, при котором аналитик может исследовать данные в графическом формате, чтобы получить дополнительную информацию относительно сообщений в данных. [13]

Моделирование и алгоритмы

Математические формулы или модели (также известные как алгоритмы ) могут применяться к данным для выявления взаимосвязей между переменными; например, используя корреляцию или причинно-следственную связь . [34] [35] В общих чертах, модели могут быть разработаны для оценки конкретной переменной на основе других переменных, содержащихся в наборе данных, с некоторой остаточной ошибкой , зависящей от точности реализованной модели ( например , Данные = Модель + Ошибка). . [36] [11]

Инференциальная статистика включает в себя использование методов измерения взаимосвязей между конкретными переменными. [37] Например, регрессионный анализ можно использовать для моделирования того, дает ли изменение в рекламе ( независимая переменная X ) объяснение изменений в продажах ( зависимая переменная Y ). [38] В математических терминах Y (продажи) является функцией X (реклама). [39] Это можно описать как ( Y = aX + b + ошибка), где модель разработана таким образом, что ( a ) и ( b ) минимизируют ошибку, когда модель прогнозирует Y для заданного диапазона значений X. [40] Аналитики могут также попытаться построить модели, описывающие данные, с целью упростить анализ и сообщить результаты. [11]

Информационный продукт

Продукт данных — это компьютерное приложение, которое принимает входные данные и генерирует выходные данные , передавая их обратно в окружающую среду. [41] Это может быть основано на модели или алгоритме. Например, приложение, которое анализирует данные об истории покупок клиента и использует результаты, чтобы рекомендовать другие покупки, которые могут понравиться клиенту. [42] [13]

Коммуникация

Визуализация данных используется, чтобы помочь понять результаты после анализа данных. [43]

После анализа данных о них можно сообщить во многих форматах пользователям анализа для удовлетворения их требований. [44] Пользователи могут оставлять отзывы, в результате которых проводится дополнительный анализ. Таким образом, большая часть аналитического цикла является итеративной. [13]

Определяя, как сообщить результаты, аналитик может рассмотреть возможность применения различных методов визуализации данных, чтобы помочь более четко и эффективно донести сообщение до аудитории. [45] Визуализация данных использует отображение информации (например, графику, таблицы и диаграммы), чтобы помочь передать ключевые сообщения, содержащиеся в данных. [46] Таблицы являются ценным инструментом, позволяющим пользователю запрашивать и фокусироваться на конкретных цифрах; в то время как диаграммы (например, гистограммы или линейные диаграммы) могут помочь объяснить количественные сообщения, содержащиеся в данных. [47]

Количественные сообщения

Временной ряд, иллюстрированный линейной диаграммой, демонстрирующей тенденции в федеральных расходах и доходах США с течением времени.
Диаграмма рассеяния, иллюстрирующая корреляцию между двумя переменными (инфляцией и безработицей), измеренными в определенные моменты времени.

Стивен Фью описал восемь типов количественных сообщений, которые пользователи могут попытаться понять или передать на основе набора данных и связанных с ними графиков, используемых для передачи сообщения. [48] ​​Заказчики, определяющие требования, и аналитики, выполняющие анализ данных, могут учитывать эти сообщения в ходе процесса. [49]

  1. Временные ряды: одна переменная фиксируется за определенный период времени, например, уровень безработицы за 10-летний период. Для демонстрации тенденции можно использовать линейный график . [50]
  2. Ранжирование: Категориальные подразделения ранжируются в порядке возрастания или убывания, например, рейтинг эффективности продаж (показатель ) продавцов ( категория , где каждый продавец имеет категориальное подразделение ) в течение одного периода. [51] Для сравнения продаж продавцов можно использовать гистограмму . [52]
  3. От части к целому: категориальные подразделения измеряются как отношение к целому (т. е. процент от 100%). Круговая или гистограмма может отображать сравнение коэффициентов, например доли рынка, представленной конкурентами на рынке . [53]
  4. Отклонение: категориальные подразделения сравниваются с эталоном, например, при сравнении фактических и бюджетных расходов нескольких подразделений бизнеса за определенный период времени. Гистограмма может показать сравнение фактической суммы с контрольной. [54]
  5. Распределение частот: показывает количество наблюдений конкретной переменной за заданный интервал, например, количество лет, в течение которых доходность фондового рынка находится между интервалами, такими как 0–10%, 11–20% и т. д . тип гистограммы, может использоваться для этого анализа. [55]
  6. Корреляция: сравнение наблюдений, представленных двумя переменными (X,Y), чтобы определить, имеют ли они тенденцию двигаться в одном или противоположных направлениях. Например, построение графика безработицы (X) и инфляции (Y) для выборки месяцев. Для этого сообщения обычно используется диаграмма рассеяния . [56]
  7. Номинальное сравнение: сравнение категориальных подразделений в произвольном порядке, например, объема продаж по коду продукта. Для этого сравнения можно использовать гистограмму. [57]
  8. Географические или геопространственные: сравнение переменных на карте или макете, например, уровень безработицы в штате или количество людей на разных этажах здания. Картограмма – это типичный используемый графический объект. [58] [59]

Методы анализа количественных данных

Автор Джонатан Куми рекомендовал ряд лучших практик для понимания количественных данных. [60] К ним относятся:

Для исследуемых переменных аналитики обычно получают для них описательную статистику , такую ​​как среднее значение (среднее значение), медиану и стандартное отклонение . [61] Они также могут проанализировать распределение ключевых переменных, чтобы увидеть, как отдельные значения группируются вокруг среднего значения. [62]

Иллюстрация принципа MECE , используемого для анализа данных.

Консультанты McKinsey and Company назвали метод разделения количественной задачи на составные части принципом MECE . [63] Каждый слой можно разбить на компоненты; каждый из подкомпонентов должен быть взаимоисключающим друг друга и вместе составлять слой над ними. [64] Отношения называются «взаимоисключающими и коллективно исчерпывающими» или MECE. Например, прибыль по определению можно разбить на общий доход и общие затраты. [65] В свою очередь, общий доход может быть проанализирован по его компонентам, таким как доход подразделений A, B и C (которые являются взаимоисключающими друг друга) и должен прибавляться к общему доходу (в совокупности исчерпывающий). [66]

Аналитики могут использовать надежные статистические измерения для решения определенных аналитических задач. [67] Проверка гипотез используется, когда аналитик выдвигает конкретную гипотезу об истинном положении дел и собирает данные, чтобы определить, является ли это положение вещей истинным или ложным. [68] [69] Например, гипотеза может заключаться в том, что «безработица не влияет на инфляцию», что связано с экономической концепцией, называемой кривой Филлипса . [70] Проверка гипотезы предполагает рассмотрение вероятности ошибок типа I и типа II , которые связаны с тем, поддерживают ли данные принятие или отклонение гипотезы. [71] [72]

Регрессионный анализ может использоваться, когда аналитик пытается определить степень, в которой независимая переменная X влияет на зависимую переменную Y (например, «В какой степени изменения уровня безработицы (X) влияют на уровень инфляции (Y)?»). [73] Это попытка смоделировать или подогнать к данным линию или кривую уравнения так, чтобы Y было функцией X. [74] [75]

Анализ необходимых условий (NCA) может использоваться, когда аналитик пытается определить степень, в которой независимая переменная X допускает переменную Y (например, «В какой степени определенный уровень безработицы (X) необходим для определенного уровня инфляции (Y)?» ?"). [73] В то время как (множественный) регрессионный анализ использует аддитивную логику, где каждая X-переменная может давать результат, а X могут компенсировать друг друга (их достаточно, но не обязательно), [76] анализ необходимых условий (NCA) использует логику необходимости. , где одна или несколько X-переменных позволяют результату существовать, но не могут его привести (они необходимы, но недостаточны). Каждое необходимое условие должно присутствовать, и компенсация невозможна. [77]

Аналитическая деятельность пользователей данных

Пользователи могут иметь определенные точки данных, представляющие интерес в наборе данных, в отличие от общих сообщений, описанных выше. Такие низкоуровневые пользовательские аналитические действия представлены в следующей таблице. Таксономию также можно организовать по трем направлениям деятельности: получение значений, поиск точек данных и упорядочивание точек данных. [78] [79] [80] [81]

Барьеры на пути эффективного анализа

Барьеры для эффективного анализа могут существовать среди аналитиков, выполняющих анализ данных, или среди аудитории. Отличие фактов от мнений, когнитивные предубеждения и неумение считать — все это проблемы для качественного анализа данных. [82]

Сбивающие с толку факты и мнения

Вы имеете право на собственное мнение, но не имеете права на собственные факты.

Дэниел Патрик Мойнихан

Эффективный анализ требует получения соответствующих фактов для ответа на вопросы, подтверждения вывода или формального мнения или проверки гипотез . [83] [84] Факты по определению неопровержимы, а это означает, что любой человек, участвующий в анализе, должен иметь возможность прийти к согласию по ним. [85] Например, в августе 2010 года Бюджетное управление Конгресса (CBO) подсчитало, что продление снижения налогов Буша в 2001 и 2003 годах на период 2011–2020 годов увеличит государственный долг примерно на 3,3 триллиона долларов. [86] Каждый должен быть в состоянии согласиться с тем, что именно об этом сообщило CBO; все они могут изучить отчет. Это делает это фактом. Согласны или не согласны люди с CBO – это их собственное мнение. [87]

Другой пример: аудитор публичной компании должен прийти к официальному заключению о том, является ли финансовая отчетность публично торгуемых корпораций «достоверной во всех существенных отношениях». [88] Это требует обширного анализа фактических данных и доказательств, подтверждающих их мнение. При переходе от фактов к мнениям всегда существует вероятность того, что мнение ошибочно . [89]

Когнитивные предубеждения

Существует множество когнитивных искажений , которые могут отрицательно повлиять на анализ. Например, предвзятость подтверждения — это тенденция искать или интерпретировать информацию таким образом, чтобы подтвердить свои предубеждения. [90] Кроме того, отдельные лица могут дискредитировать информацию, которая не подтверждает их точку зрения. [91]

Аналитики могут быть специально обучены тому, чтобы осознавать эти предубеждения и способы их преодоления. [92] В своей книге «Психология анализа разведки» отставной аналитик ЦРУ Ричардс Хойер писал, что аналитики должны четко очертить свои предположения и цепочки выводов, а также указать степень и источник неопределенности, связанной с выводами. [93] Он подчеркнул важность процедур, помогающих выявить и обсудить альтернативные точки зрения. [94]

Неграмотность

Эффективные аналитики обычно владеют различными численными методами. Однако аудитория может не иметь такой грамотности в числах или счете ; Говорят, что они бесчисленны. [95] Лица, передающие данные, также могут пытаться ввести в заблуждение или дезинформировать, намеренно используя неверные численные методы. [96]

Например, то, растет или падает число, может не быть ключевым фактором. Более важным может быть число относительно другого числа, например, размера государственных доходов или расходов относительно размера экономики (ВВП) или суммы затрат относительно доходов в корпоративной финансовой отчетности. [97] Этот численный метод называется нормализацией [25] или общим размером. Аналитики используют множество таких методов, будь то поправка на инфляцию (т. е. сравнение реальных и номинальных данных) или учет прироста населения, демографии и т. д. [98] Аналитики применяют различные методы для решения различных количественных сообщений, описанных в раздел выше. [99]

Аналитики также могут анализировать данные с использованием различных предположений или сценариев. Например, когда аналитики проводят анализ финансовой отчетности , они часто пересчитывают финансовую отчетность с учетом различных допущений, чтобы помочь получить оценку будущего денежного потока, который они затем дисконтируют до приведенной стоимости на основе некоторой процентной ставки, чтобы определить оценку компании или ее акций. [100] [101] Аналогичным образом, CBO анализирует влияние различных вариантов политики на государственные доходы, расходы и дефициты, создавая альтернативные сценарии будущего для ключевых мер. [102]

Другие темы

Умные здания

Подход к анализу данных можно использовать для прогнозирования энергопотребления в зданиях. [103] Различные этапы процесса анализа данных выполняются для реализации «умных» зданий, в которых операции по управлению и контролю здания, включая отопление, вентиляцию, кондиционирование воздуха, освещение и безопасность, реализуются автоматически путем имитации потребностей пользователей здания. и оптимизация ресурсов, таких как энергия и время. [104]

Аналитика и бизнес-аналитика

Аналитика — это «широкомасштабное использование данных, статистического и количественного анализа, объяснительных и прогнозирующих моделей, а также управления, основанного на фактах, для принятия решений и действий». Это подмножество бизнес-аналитики , которое представляет собой набор технологий и процессов, которые используют данные для понимания и анализа эффективности бизнеса для принятия решений. [105]

Образование

Аналитическая деятельность пользователей визуализации данных

В сфере образования большинство преподавателей имеют доступ к системе данных для анализа данных учащихся. [106] Эти системы данных предоставляют данные преподавателям в безрецептурном формате данных (встраивание этикеток, дополнительной документации и справочной системы, а также принятие ключевых решений по упаковке / отображению и содержанию) для повышения точности анализа данных преподавателями. [107]

Заметки практикующего врача

Этот раздел содержит довольно технические пояснения, которые могут помочь практикам, но выходят за рамки типичного объема статьи в Википедии. [108]

Первоначальный анализ данных

Наиболее важное различие между фазой начального анализа данных и фазой основного анализа заключается в том, что во время первоначального анализа данных воздерживаются от любого анализа, направленного на ответ на исходный вопрос исследования. [109] На этапе первоначального анализа данных решаются следующие четыре вопроса: [110]

Качество данных

Качество данных следует проверять как можно раньше. Качество данных можно оценить несколькими способами, используя различные типы анализа: подсчет частот, описательную статистику (среднее значение, стандартное отклонение, медиана), нормальность (асимметрия, эксцесс, гистограммы частоты), требуется нормальное вменение . [111]

Выбор анализа для оценки качества данных на начальном этапе анализа данных зависит от анализа, который будет проводиться на этапе основного анализа. [114]

Качество измерений

Качество измерительных приборов следует проверять только на этапе первоначального анализа данных, если это не является целью или исследовательским вопросом исследования. [115] [116] Следует проверить, соответствует ли конструкция измерительных приборов структуре, указанной в литературе.

Оценить качество измерений можно двумя способами:

Начальные преобразования

После оценки качества данных и измерений можно решить приписать недостающие данные или выполнить первоначальные преобразования одной или нескольких переменных, хотя это также можно сделать на этапе основного анализа. [119]
Возможные преобразования переменных: [120]

Соответствовала ли реализация исследования целям плана исследования?

Следует проверить успешность процедуры рандомизации , например, проверив, равномерно ли распределены фоновые и содержательные переменные внутри и между группами. [121]
Если исследование не требовало или не использовало процедуру рандомизации, следует проверить успешность неслучайной выборки, например, проверив, представлены ли в выборке все подгруппы интересующей популяции. [122]
Другие возможные искажения данных, которые следует проверить:

Характеристики выборки данных

В любом отчете или статье должна быть точно описана структура выборки. [124] [125] Особенно важно точно определить структуру выборки (и, в частности, размер подгрупп), когда анализ подгрупп будет проводиться на этапе основного анализа. [126]
Характеристики выборки данных можно оценить, рассмотрев:

Завершающий этап первичного анализа данных

На заключительном этапе результаты анализа исходных данных документируются и принимаются необходимые, предпочтительные и возможные корректирующие действия. [128]
Кроме того, первоначальный план анализа основных данных можно и нужно уточнить или переписать. [129] [130]
Для этого можно и нужно принять несколько решений относительно основного анализа данных:

Анализ

На начальном этапе анализа данных можно использовать несколько видов анализа: [132]

При анализе важно учитывать уровни измерения переменных, поскольку для каждого уровня доступны специальные статистические методы: [133]

Нелинейный анализ

Нелинейный анализ часто необходим, когда данные записываются из нелинейной системы . Нелинейные системы могут проявлять сложные динамические эффекты, включая бифуркации , хаос , гармоники и субгармоники , которые невозможно проанализировать с помощью простых линейных методов. Нелинейный анализ данных тесно связан с идентификацией нелинейных систем . [134]

Анализ основных данных

На этапе основного анализа проводится анализ, направленный на ответ на вопрос исследования, а также любой другой соответствующий анализ, необходимый для написания первого проекта отчета об исследовании. [135]

Исследовательский и подтверждающий подходы

На этапе основного анализа можно использовать либо исследовательский, либо подтверждающий подход. Обычно выбор подхода определяется до сбора данных. [136] В исследовательском анализе перед анализом данных не формулируется четкая гипотеза, и данные ищутся для моделей, которые хорошо описывают данные. [137] В ходе подтверждающего анализа проверяются четкие гипотезы относительно данных. [138]

Исследовательский анализ данных следует интерпретировать осторожно. При одновременном тестировании нескольких моделей высока вероятность обнаружить хотя бы одну из них значимой, но это может быть связано с ошибкой 1-го рода . [139] Важно всегда корректировать уровень значимости при тестировании нескольких моделей, например, с поправкой Бонферрони . [140] Кроме того, не следует дополнять исследовательский анализ подтверждающим анализом того же набора данных. [141] Исследовательский анализ используется для поиска идей для теории, но не для ее проверки. [141] Когда модель обнаруживается в наборе данных как исследовательская, то последующий анализ с помощью подтверждающего анализа в том же наборе данных может просто означать, что результаты подтверждающего анализа обусловлены той же ошибкой первого типа , которая привела к созданию исследовательской модели. в первую очередь. [141] Таким образом, подтверждающий анализ не будет более информативным, чем первоначальный исследовательский анализ. [142]

Стабильность результатов

Важно получить некоторое представление о том, насколько обобщаемы результаты. [143] Хотя это часто трудно проверить, можно посмотреть на стабильность результатов. Являются ли результаты надежными и воспроизводимыми? Есть два основных способа сделать это. [144]

Бесплатное программное обеспечение для анализа данных

Известные бесплатные программы для анализа данных включают:

Воспроизводимый анализ

Типичный рабочий процесс анализа данных включает сбор данных, выполнение анализа с помощью различных сценариев, создание визуализаций и написание отчетов. Однако этот рабочий процесс сопряжен с проблемами, включая разделение сценариев анализа и данных, а также разрыв между анализом и документацией. Часто правильный порядок запуска сценариев описывается лишь неформально или хранится в памяти специалиста по обработке данных. Возможность потери этой информации создает проблемы с воспроизводимостью. Чтобы решить эти проблемы, важно иметь сценарии анализа, написанные для автоматизированных, воспроизводимых рабочих процессов. Кроме того, решающее значение имеет динамическая документация, предоставляющая отчеты, понятные как машинам, так и людям, гарантирующая точное представление рабочего процесса анализа даже по мере развития сценариев. [151]

Международные конкурсы по анализу данных

Различные компании или организации проводят конкурсы по анализу данных, чтобы побудить исследователей использовать свои данные или решить конкретный вопрос с помощью анализа данных. [152] [153] Вот несколько примеров известных международных конкурсов по анализу данных: [154]

Смотрите также

Рекомендации

Цитаты

  1. ^ ab «Преобразование неструктурированных данных в полезную информацию», Большие данные, горное дело и аналитика , Auerbach Publications, стр. 227–246, 12 марта 2014 г., doi : 10.1201/b16666-14, ISBN 978-0-429-09529-0, получено 29 мая 2021 г.
  2. ^ «Множественные аспекты корреляционных функций», Методы анализа данных для ученых-физиков , Cambridge University Press, стр. 526–576, 2017, doi : 10.1017/9781108241922.013, ISBN 978-1-108-41678-8, получено 29 мая 2021 г.
  3. ^ Ся, Б.С., и Гонг, П. (2015). Обзор бизнес-аналитики посредством анализа данных. Бенчмаркинг , 21 (2), 300-311. дои : 10.1108/BIJ-08-2012-0050
  4. ^ Изучение анализа данных
  5. ^ «Правила кодирования данных и исследовательского анализа (EDA) для статистических предположений кодирования данных исследовательского анализа данных (EDA)», SPSS для промежуточной статистики , Routledge, стр. 42–67, 16 августа 2004 г., doi : 10.4324/9781410611420-6 , ISBN 978-1-4106-1142-0, получено 29 мая 2021 г.
  6. ^ Шпион (01.10.2014). «Новый европейский конкурс в области ИКТ сосредоточен на PIC, лазерах и передаче данных». СПИЭ Профессионал . дои : 10.1117/2.4201410.10. ISSN  1994-4403.
  7. ^ Самандар, Петерссон; Свантессон, София (2017). Просмотрите информацию о eWOM: изучение профилбилденс-эффекта и этт könsperspektiv . Högskolan i Gävle, Företagsekonomi. OCLC  1233454128.
  8. ^ Спокойной ночи, Джеймс (13 января 2011 г.). «Прогноз для прогнозной аналитики: жарко и становится все жарче». Статистический анализ и интеллектуальный анализ данных: журнал ASA Data Science Journal . 4 (1): 9–10. дои : 10.1002/sam.10106. ISSN  1932–1864. S2CID  38571193.
  9. ↑ Шерман, Рик (4 ноября 2014 г.). Путеводитель по бизнес-аналитике: от интеграции данных к аналитике. Амстердам. ISBN 978-0-12-411528-6. OCLC  894555128.{{cite book}}: CS1 maint: location missing publisher (link)
  10. ^ Филд, Джон (2009), «Разделение прослушивания на его компоненты», Прослушивание в языковом классе , Кембридж: Cambridge University Press, стр. 96–109, doi : 10.1017/cbo9780511575945.008, ISBN 978-0-511-57594-5, получено 29 мая 2021 г.
  11. ^ abc Джадд, Чарльз; МакКлеланд, Гэри (1989). Анализ данных . Харкорт Брейс Йованович. ISBN 0-15-516765-0.
  12. ^ Тьюки, Джон В. (март 1962 г.). «Джон Тьюки. Будущее анализа данных. Июль 1961 г.». Анналы математической статистики . 33 (1): 1–67. дои : 10.1214/aoms/1177704711. Архивировано из оригинала 26 января 2020 г. Проверено 1 января 2015 г.
  13. ^ abcdefg Шатт, Рэйчел; О'Нил, Кэти (2013). Занимаюсь наукой о данных . О'Рейли Медиа . ISBN 978-1-449-35865-5.
  14. ^ «ИСПОЛЬЗОВАНИЕ ДАННЫХ», Справочник по анализу нефтепродуктов , Хобокен, Нью-Джерси: John Wiley & Sons, Inc, стр. 296–303, 06 февраля 2015 г., doi : 10.1002/9781118986370.ch18, ISBN 978-1-118-98637-0, получено 29 мая 2021 г.
  15. ↑ Эйнсворт, Пенне (20 мая 2019 г.). Введение в бухгалтерский учет: комплексный подход . Джон Уайли и сыновья. ISBN 978-1-119-60014-5. ОСЛК  1097366032.
  16. ^ Марго, Роберт А. (2000). Заработная плата и рынки труда в США, 1820-1860 гг . Издательство Чикагского университета. ISBN 0-226-50507-3. ОСЛК  41285104.
  17. ^ Олусола, Джонсон Адедеджи; Шот, Адебола Адекунле; Уигман, Абделла; Исайфан, Рима Дж. (7 мая 2021 г.). «Таблица 1: Типы данных и источники данных, собранных для этого исследования». ПерДж . 9 : е11387. дои : 10.7717/peerj.11387/таблица-1 .
  18. ^ Макферсон, Дерек (16 октября 2019 г.), «Перспективы аналитиков информационных технологий», Стратегия данных в колледжах и университетах , Routledge, стр. 168–183, doi : 10.4324/9780429437564-12, ISBN 978-0-429-43756-4, S2CID  211738958 , получено 29 мая 2021 г.
  19. ^ Нельсон, Стивен Л. (2014). Анализ данных Excel для чайников . Уайли. ISBN 978-1-118-89810-9. ОКЛК  877772392.
  20. ^ «Рисунок 3 — исходные данные 1. Необработанные и обработанные значения, полученные с помощью qPCR» . 30 августа 2017 г. doi : 10.7554/elife.28468.029 . {{cite journal}}: Требуется цитировать журнал |journal=( помощь )
  21. ^ Аб Боханнон, Джон (24 февраля 2016 г.). «Многие опросы, примерно каждый пятый, могут содержать мошеннические данные». Наука . doi : 10.1126/science.aaf4104 . ISSN  0036-8075.
  22. ^ Джинни Скраггс, Гарбер; Гросс, Монти; Слоним, Энтони Д. (2010). Как избежать типичных сестринских ошибок . Wolters Kluwer Health/Lippincott Williams & Wilkins. ISBN 978-1-60547-087-0. ОКЛК  338288678.
  23. ^ «Очистка данных». Исследования Майкрософт. Архивировано из оригинала 29 октября 2013 года . Проверено 26 октября 2013 г.
  24. ^ Хэнкок, РГВ; Картер, Тристан (февраль 2010 г.). «Насколько надежны наши опубликованные археометрические анализы? Влияние аналитических методов с течением времени на элементный анализ обсидианов». Журнал археологической науки . 37 (2): 243–250. Бибкод : 2010JArSc..37..243H. дои : 10.1016/j.jas.2009.10.004. ISSN  0305-4403.
  25. ^ abc «Perceptual Edge — Джонатан Куми — Лучшие практики для понимания количественных данных — 14 февраля 2006 г.» (PDF) . Архивировано (PDF) из оригинала 5 октября 2014 г. Проверено 12 ноября 2014 г.
  26. ^ Пелег, Рони; Авдалимова, Анжелика; Фрейд, Тамар (23 марта 2011 г.). «Предоставление номеров мобильных телефонов и адресов электронной почты пациентам: точка зрения врача». Исследовательские заметки BMC . 4 (1): 76. дои : 10.1186/1756-0500-4-76 . ISSN  1756-0500. ПМК 3076270 . ПМИД  21426591. 
  27. ^ Гудман, Ленн Эван (1998). Иудаизм, права человека и человеческие ценности . Издательство Оксфордского университета. ISBN 0-585-24568-1. ОСЛК  45733915.
  28. ^ Ханзо, Лайос. «Слепая совместная оценка канала максимального правдоподобия и обнаружение данных для систем с одним входом и несколькими выходами» . дои : 10.1049/iet-tv.44.786 . Проверено 29 мая 2021 г. {{cite journal}}: Требуется цитировать журнал |journal=( помощь )
  29. ^ Хеллерштейн, Джозеф (27 февраля 2008 г.). «Количественная очистка данных для больших баз данных» (PDF) . Отдел компьютерных наук EECS : 3. Архивировано (PDF) из оригинала 13 октября 2013 года . Проверено 26 октября 2013 г.
  30. ^ Дэвис, Стив; Петтенгилл, Джеймс Б.; Ло, Ян; Пейн, Джастин; Шпунтов, Ал; Рэнд, Хью; Штейн, Эррол (26 августа 2015 г.). «CFSAN SNP Pipeline: автоматизированный метод построения матриц SNP на основе данных последовательностей следующего поколения». PeerJ Информатика . 1 : е20. doi : 10.7717/peerj-cs.20/supp-1 .
  31. ^ «FTC запрашивает дополнительные данные» . Аналитик насосной отрасли . 1999 (48): 12 декабря 1999 г. doi :10.1016/s1359-6128(99)90509-8. ISSN  1359-6128.
  32. ^ «Изучение ваших данных с помощью визуализации данных и описательной статистики: общая описательная статистика для количественных данных» . 2017. дои : 10.4135/9781529732795. {{cite journal}}: Требуется цитировать журнал |journal=( помощь )
  33. ^ Мюррей, Дэниел Г. (2013). Таблицы ваших данных! : быстрый и простой визуальный анализ с помощью программного обеспечения Tableau . Дж. Уайли и сыновья. ISBN 978-1-118-61204-0. ОСЛК  873810654.
  34. ^ Бен-Ари, Мордехай (2012), «Логика первого порядка: формулы, модели, таблицы», Математическая логика для информатики , Лондон: Springer London, стр. 131–154, doi : 10.1007/978-1-4471- 4129-7_7, ISBN 978-1-4471-4128-0, получено 31 мая 2021 г.
  35. ^ Соса, Эрнест (2011). Причинно-следственная связь . Оксфордский университет. Нажимать. ISBN 978-0-19-875094-9. ОСЛК  767569031.
  36. ^ Эванс, Мишель В.; Даллас, Тэд А.; Хан, Барбара А.; Мердок, Кортни С.; Дрейк, Джон М. (28 февраля 2017 г.). Брэди, Оливер (ред.). «Рисунок 2. Важность переменной при перестановке, в среднем по 25 моделям». электронная жизнь . 6 : е22053. дои : 10.7554/elife.22053.004 .
  37. ^ Уотсон, Кевин; Гальперин, Израиль; Агилера-Кастельс, Джоан; Яконо, Антонио Делло (12 ноября 2020 г.). «Таблица 3: Описательная (среднее ± стандартное отклонение), логическая (95% ДИ) и качественная статистика (ES) всех переменных между самостоятельно выбранными и заранее определенными условиями». ПерДж . 8 : е10361. doi : 10.7717/peerj.10361/table-3 .
  38. ^ Кортес-Молино, Альваро; Аулло-Маэстро, Изабель; Фернандес-Люке, Исмаэль; Флорес-Мойя, Антонио; Каррейра, Хосе А.; Сальво, А. Энрике (22 октября 2020 г.). «Таблица 3: Лучшие модели регрессии между данными LIDAR (независимая переменная) и полевыми данными Forestereo (зависимая переменная), используемые для картирования пространственного распределения основных переменных структуры леса». ПерДж . 8 : е10158. дои : 10.7717/peerj.10158/таблица-3 .
  39. ^ Условия международных продаж, Beck/Hart, 2014, doi : 10.5040/9781472561671.ch-003, ISBN. 978-1-4725-6167-1, получено 31 мая 2021 г.
  40. ^ Нвабуэзе, JC (21 мая 2008 г.). «Показатели оценок линейной модели с автокоррелируемыми ошибками, когда независимая переменная в норме». Журнал Нигерийской ассоциации математической физики . 9 (1). doi : 10.4314/jonamp.v9i1.40071. ISSN  1116-4336.
  41. ^ Конвей, Стив (4 июля 2012 г.). «Предупреждение о вводе данных и визуальном выводе при анализе социальных сетей». Британский журнал менеджмента . 25 (1): 102–117. дои : 10.1111/j.1467-8551.2012.00835.x. hdl : 2381/36068. ISSN  1045-3172. S2CID  154347514.
  42. ^ «Покупки клиентов и другие повторяющиеся события», Анализ данных с использованием SQL и Excel® , Индианаполис, Индиана: John Wiley & Sons, Inc., стр. 367–420, 29 января 2016 г., doi : 10.1002/9781119183419.ch8, ISBN 978-1-119-18341-9, получено 31 мая 2021 г.
  43. ^ Гранжан, Мартин (2014). «La connaissance est un réseau» (PDF) . Les Cahiers du Numérique . 10 (3): 37–54. дои : 10.3166/lcn.10.3.37-54. Архивировано (PDF) из оригинала 27 сентября 2015 г. Проверено 5 мая 2015 г.
  44. ^ Требования к данным для полупроводникового кристалла. Форматы данных обмена и словарь данных, BSI British Standards, doi : 10.3403/02271298 , получено 31 мая 2021 г.
  45. ^ Йи, Д. (1 апреля 1985 г.). «Как эффективно донести свое сообщение до аудитории». Геронтолог . 25 (2): 209. doi :10.1093/geront/25.2.209. ISSN  0016-9013.
  46. ^ Бемовска-Калабун, Ольга; Вонзович, Павел; Напора-Рутковски, Лукаш; Новак-Жичинская, Зузанна; Вежбицкая, Малгожата (11 июня 2019 г.). «Дополнительная информация 1: Необработанные данные для диаграмм и таблиц». doi : 10.7287/peerj.preprints.27793v1/supp-1 . {{cite journal}}: Требуется цитировать журнал |journal=( помощь )
  47. ^ Визуализация данных о музеях Великобритании: гистограммы, линейные диаграммы и тепловые карты. 2021. дои : 10.4135/9781529768749. ISBN 9781529768749. S2CID  240967380.
  48. ^ Тунки Нейра, Хосе Мануэль (19 сентября 2019 г.). «Спасибо за ваш отзыв. В прилагаемом PDF-файле вы найдете подробный ответ на поднятые вами вопросы». дои : 10.5194/hess-2019-325-ac2 . S2CID  241041810. {{cite journal}}: Требуется цитировать журнал |journal=( помощь )
  49. ^ Брэкетт, Джон В. (1989), «Выполнение курсов проекта по анализу требований для внешних клиентов», Проблемы образования в области разработки программного обеспечения , Нью-Йорк, Нью-Йорк: Springer New York, стр. 276–285, doi : 10.1007/978-1- 4613-9614-7_20, ISBN 978-1-4613-9616-1, получено 3 июня 2021 г.
  50. ^ Викхейс, Крис АГ; Вонгтим, Прапит; Рауф, Ауну; Танчароен, Анчана; Хеймпель, Джордж Э.; Ле, Нхунг Т.Т.; Фанани, Мухаммад Зайнал; Гурр, Джефф М.; Лундгрен, Джонатан Г.; Бурра, Дхарани Д.; Палао, Лео К.; Хайман, Гленн; Грациози, Игнацио; Ле, Ви X.; Кок, Мэтью Дж.В.; Чхарнтке, Тея; Раттен, Стив Д.; Нгуен, Лием В.; Ты, Миншэн; Лу, Яньхуэй; Кетелаар, Йоханнес В.; Гёрген, Георг; Нойеншвандер, Питер (19 октября 2018 г.). «Рисунок 2: Колебания численности мучнистого червеца раз в два месяца на юге Вьетнама за двухлетний период». ПерДж . 6 : е5796. дои : 10.7717/peerj.5796/рис-2 .
  51. ^ Рил, Эмили (2014), «Выборка двухкатегорийных аспектов теории квазикатегорий», Категорическая теория гомотопии , Кембридж: Cambridge University Press, стр. 318–336, doi : 10.1017/cbo9781107261457.019, ISBN 978-1-107-26145-7, получено 3 июня 2021 г.
  52. ^ "X-барная диаграмма". Энциклопедия производства и управления производством . 2000. с. 841. дои : 10.1007/1-4020-0612-8_1063. ISBN 978-0-7923-8630-8.
  53. ^ «Диаграмма C5.3. Процент подростков 15–19 лет, не имеющих образования, по статусу на рынке труда (2012 г.)» . дои : 10.1787/888933119055 . Проверено 3 июня 2021 г. {{cite journal}}: Требуется цитировать журнал |journal=( помощь )
  54. ^ «Диаграмма 7: Домохозяйства: расходы на конечное потребление по сравнению с фактическим индивидуальным потреблением». дои : 10.1787/665527077310 . Проверено 3 июня 2021 г. {{cite journal}}: Требуется цитировать журнал |journal=( помощь )
  55. ^ Чао, Люк Х.; Чан, Джэбон; Джонсон, Адам; Нгуен, Энтони; Грей, Натаниэль С.; Ян, Присцилла Л.; Харрисон, Стивен К. (12 июля 2018 г.). Ян, Рейнхард; Шекман, Рэнди (ред.). «Рисунок 4. Частота гемифузии (измеренная как гашение флуоресценции DiD) в зависимости от количества связанных молекул Alexa-fluor-555/3-110-22». электронная жизнь . 7 : е36461. дои : 10.7554/elife.36461.006 .
  56. ^ Гарнье, Элоди М.; Фуре, Настасья; Дескоэнс, Медерик (3 февраля 2020 г.). «Таблица 2: Сравнение графиков точечного графика, графика скрипки + рассеяния, тепловой карты и графика ViSiElse». ПерДж . 8 : е8341. doi : 10.7717/peerj.8341/table-2 .
  57. ^ «Сравнительная таблица продуктов: носимые устройства» . Набор данных PsycEXTRA . 2009. дои : 10.1037/e539162010-006 . Проверено 3 июня 2021 г.
  58. ^ «Стивен Фью-Перцептуальная грань-Выбор правильного графика для вашего сообщения-2004» (PDF) . Архивировано (PDF) из оригинала 05 октября 2014 г. Проверено 29 октября 2014 г.
  59. ^ "Матрица выбора краевого графика Стивена Фью" (PDF) . Архивировано (PDF) из оригинала 05 октября 2014 г. Проверено 29 октября 2014 г.
  60. ^ «Рекомендуемые лучшие практики». 01.10.2008. дои : 10.14217/9781848590151-8-en . Проверено 3 июня 2021 г. {{cite journal}}: Требуется цитировать журнал |journal=( помощь )
  61. ^ Хобольд, Эдилсон; Пирес-Лопес, Витор; Гомес-Кампос, Россана; Арруда, Мигель де; Андруске, Синтия Ли; Пачеко-Каррильо, Хайме; Коссио-Боланьос, Марко Антонио (30 ноября 2017 г.). «Таблица 1: Описательная статистика (среднее ± стандартное отклонение) для соматических переменных и показателей физической подготовки для мужчин и женщин». ПерДж . 5 : е4032. дои : 10.7717/peerj.4032/таблица-1 .
  62. ^ Аблин, Джейкоб Н.; Зохар, Ада Х.; Зарайя-Блюм, Реут; Бускила, Дэн (13 сентября 2016 г.). «Таблица 2: Кластерный анализ, представляющий средние значения психологических переменных для каждой кластерной группы». ПерДж . 4 : е2421. дои : 10.7717/peerj.2421/таблица-2 .
  63. ^ «Консультанты, нанятые McKinsey & Company», Организационное поведение 5 , Routledge, стр. 77–82, 30 июля 2008 г., doi : 10.4324/9781315701974-15, ISBN 978-1-315-70197-4, получено 3 июня 2021 г.
  64. ^ Антифан (2007), Олсон, С. Дуглас (редактор), «H6 Антифан fr.172.1-4, из «Женщин, которые были похожи друг на друга, или мужчин, которые были похожи друг на друга», « Сломанный смех: избранные фрагменты греческой комедии» , Издательство Оксфордского университета, номер документа : 10.1093/oseo/instance.00232915, ISBN 978-0-19-928785-7, получено 3 июня 2021 г.
  65. ^ Кэри, Мэлаки (ноябрь 1981 г.). «О взаимоисключающих и коллективно исчерпывающих свойствах функций спроса». Экономика . 48 (192): 407–415. дои : 10.2307/2553697. ISSN  0013-0427. JSTOR  2553697.
  66. ^ «Общий налоговый доход» . дои : 10.1787/352874835867 . Проверено 3 июня 2021 г. {{cite journal}}: Требуется цитировать журнал |journal=( помощь )
  67. ^ «Автомобиль двойного назначения может решить транспортные проблемы» . Архив новостей химической и инженерной промышленности . 46 (24): 44. 3 июня 1968 г. doi : 10.1021/cen-v046n024.p044. ISSN  0009-2347.
  68. ^ Хекман (1978). «Простые статистические модели для дискретных панельных данных, разработанные и примененные для проверки гипотезы истинной зависимости от государства против гипотезы ложной зависимости от государства». Annales de l'inséé (30/31): 227–269. дои : 10.2307/20075292. ISSN  0019-0209. JSTOR  20075292.
  69. ^ Кунц, Дин (2017). Ложная память . Заголовок Книгоиздание. ISBN 978-1-4722-4830-5. ОСЛК  966253202.
  70. ^ Мандей, Стивен CR (1996), «Безработица, инфляция и кривая Филлипса», Current Developments in Economics , Лондон: Macmillan Education UK, стр. 186–218, doi : 10.1007/978-1-349-24986-2_11, ISBN 978-0-333-64444-7, получено 3 июня 2021 г.
  71. ^ Луанграт, Пол I. (2013). «Альфа- и бета-тесты для определения логических ошибок типа I и типа II при проверке гипотез». Электронный журнал ССРН . дои : 10.2139/ssrn.2332756. ISSN  1556-5068.
  72. ^ Уолко, Энн М. (2006). Отказ от гипотезы второго поколения: сохранение эстонской этнической принадлежности в Лейквуде, штат Нью-Джерси . АМС Пресс. ISBN 0-404-19454-0. ОСЛК  467107876.
  73. ^ аб Янамандра, Венкатарамана (сентябрь 2015 г.). «Изменения обменного курса и инфляция в Индии: какова степень влияния обменного курса на импорт?». Экономический анализ и политика . 47 : 57–68. дои : 10.1016/j.eap.2015.07.004. ISSN  0313-5926.
  74. ^ Мудиянселаге, Наваратна; Наваратна, Пубуду Манодж. Характеристика эпигенетических изменений и их связь с аномалиями экспрессии генов при светлоклеточном почечно-клеточном раке . OCLC  1190697848.
  75. ^ Морено Дельгадо, Дэвид; Мёллер, Тор С.; Стер, Жанна; Хиральдо, Хесус; Морел, Дэмиен; Ровира, Ксавьер; Шоллер, Полина; Цвир, Джурриан М.; Перрой, Джули; Дюрру, Тьерри; Тринкет, Эрик; Презо, Лоран; Рондар, Филипп; Пин, Жан-Филипп (29 июня 2017 г.). Чао, Моисей V (ред.). «Приложение 1 — рисунок 5. Данные кривой, включенной в Приложение 1 — таблица 4 (сплошные точки) и теоретическая кривая с использованием параметров уравнения Хилла из Приложения 1 — таблица 5 (кривая линия)». электронная жизнь . 6 : е25233. дои : 10.7554/elife.25233.027 .
  76. ^ Фейнманн, Джейн. «Как инженеры и журналисты могут помочь друг другу?» . дои : 10.1049/iet-tv.48.859 . Проверено 3 июня 2021 г. {{cite journal}}: Требуется цитировать журнал |journal=( помощь )
  77. ^ Дул, январь (2015). «Анализ необходимых условий (NCA): логика и методология« необходимой, но недостаточной » причинности». Электронный журнал ССРН . дои : 10.2139/ssrn.2588480. hdl : 1765/77890. ISSN  1556-5068. S2CID  219380122.
  78. ^ Роберт Амар, Джеймс Иган и Джон Стаско (2005) «Низкоуровневые компоненты аналитической деятельности в визуализации информации». Архивировано 13 февраля 2015 г. в Wayback Machine.
  79. ^ Уильям Ньюман (1994) «Предварительный анализ продуктов исследований HCI с использованием рефератов проформы». Архивировано 3 марта 2016 г. в Wayback Machine.
  80. ^ Мэри Шоу (2002) «Что делает исследования в области разработки программного обеспечения хорошими?» Архивировано 5 ноября 2018 г. в Wayback Machine.
  81. ^ Аб Явари, Али; Джаяраман, Прем Пракаш; Георгакопулос, Димитриос; Непал, Сурья (2017). ConTaaS: подход к контекстуализации в масштабе Интернета для разработки эффективных приложений Интернета вещей. Материалы 50-й Гавайской международной конференции по системным наукам (2017). ХИКСС50. doi : 10.24251/HICSS.2017.715. hdl : 10125/41879. ISBN 9780998133102. Архивировано из оригинала 2 июня 2018 года . Проверено 24 мая 2017 г. {{cite book}}: |website=игнорируется ( помощь )
  82. ^ «Инструмент подключения передает данные между базами данных и статистическими продуктами» . Вычислительная статистика и анализ данных . 8 (2): 224. Июль 1989 г. doi : 10.1016/0167-9473(89)90021-2. ISSN  0167-9473.
  83. ^ «Информация, относящаяся к вашей работе», Получение информации для эффективного управления , Routledge, стр. 48–54, 11 июля 2007 г., doi : 10.4324/9780080544304-16, ISBN 978-0-08-054430-4, получено 3 июня 2021 г.
  84. ^ Леманн, Э.Л. (2010). Проверка статистических гипотез . Спрингер. ISBN 978-1-4419-3178-8. ОСЛК  757477004.
  85. ^ Филдинг, Генри (14 августа 2008 г.), «Состоящий частично из фактов, а частично из наблюдений над ними», Том Джонс , Oxford University Press, doi : 10.1093/owc/9780199536993.003.0193, ISBN 978-0-19-953699-3, получено 3 июня 2021 г.
  86. ^ «Бюджетное управление Конгресса — Бюджет и экономические перспективы — август 2010 г. — Таблица 1.7 на странице 24» (PDF) . 18 августа 2010 г. Архивировано из оригинала 27 февраля 2012 г. Проверено 31 марта 2011 г.
  87. ^ «Чувство принадлежности студентов по иммигрантскому происхождению» . Результаты PISA 2015 (Том III) . ПИЗА. 19 апреля 2017 г. doi : 10.1787/9789264273856-table125-en. ISBN 9789264273818. ISSN  1996-3777.
  88. ^ Гордон, Роджер (март 1990 г.). «Действуют ли публично торгуемые корпорации в общественных интересах?». Рабочие документы Национального бюро экономических исследований . Кембридж, Массачусетс. дои : 10.3386/w3303.
  89. ^ Минарди, Марго (24 сентября 2010 г.), «Факты и мнения», « Создание истории рабства » , Oxford University Press, стр. 13–42, doi : 10.1093/acprof:oso/9780195379372.003.0003, ISBN 978-0-19-537937-2, получено 3 июня 2021 г.
  90. ^ Ривард, Джиллиан Р. (2014). Предвзятость подтверждения при опросе свидетелей: могут ли интервьюеры игнорировать свои предубеждения? (Тезис). Международный университет Флориды. дои : 10.25148/etd.fi14071109.
  91. ^ Папино, Дэвид (1988), «Дискредитирует ли социология науки науку?», Релятивизм и реализм в науке , Дордрехт: Springer Нидерланды, стр. 37–57, doi : 10.1007/978-94-009-2877-0_2, ISBN 978-94-010-7795-8, получено 3 июня 2021 г.
  92. ^ Бромм, Райнер; Гессен, Фридрих В.; Спада, Ганс, ред. (2005). Барьеры и предубеждения в компьютерной передаче знаний. дои : 10.1007/b105100. ISBN 978-0-387-24317-7.
  93. ^ Хойер, Ричардс (10 июня 2019 г.). Хойер, Ричардс Дж. (ред.). Количественные подходы к политической разведке. дои : 10.4324/9780429303647. ISBN 9780429303647. S2CID  145675822.
  94. ^ «Введение» (PDF) . cia.gov . Архивировано (PDF) из оригинала 25 октября 2021 г. Проверено 25 октября 2021 г.
  95. ^ «Рисунок 6.7. Различия в показателях грамотности в странах ОЭСР в целом отражают различия в навыках счета» . дои : 10.1787/888934081549 . Проверено 3 июня 2021 г. {{cite journal}}: Требуется цитировать журнал |journal=( помощь )
  96. ^ «Блумберг-Барри Ритхольц-Плохая математика, которая сходит за понимание-28 октября 2014 г.» . Архивировано из оригинала 29 октября 2014 г. Проверено 29 октября 2014 г.
  97. ^ Гуснаини, Нуриска; Андесто, Рони; Ермавати (15 декабря 2020 г.). «Влияние размера регионального правительства, законодательного размера, численности населения и межбюджетных доходов на раскрытие финансовой отчетности». Европейский журнал исследований бизнеса и менеджмента . 5 (6). дои : 10.24018/ejbmr.2020.5.6.651. ISSN  2507-1076. S2CID  231675715.
  98. ^ Линси, Джули С .; Беккер, Блейк (2011), «Эффективность методов брейнрайтинга: сравнение номинальных групп с реальными командами», Design Creativity 2010 , Лондон: Springer London, стр. 165–171, doi : 10.1007/978-0-85729-224-7_22, ISBN 978-0-85729-223-0, получено 3 июня 2021 г.
  99. ^ Лион, Дж. (апрель 2006 г.). «Предполагаемый ответственный адрес в сообщениях электронной почты». doi : 10.17487/rfc4407. {{cite journal}}: Требуется цитировать журнал |journal=( помощь )
  100. ↑ Сток, Юджин (10 июня 2017 г.). История церковно-миссионерского общества, его окружение, его люди и его работа . Ханзебукс ГмбХ. ISBN 978-3-337-18120-8. OCLC  1189626777.
  101. ^ Гросс, Уильям Х. (июль 1979 г.). «Оценка купона и циклы процентных ставок». Журнал финансовых аналитиков . 35 (4): 68–71. дои : 10.2469/faj.v35.n4.68. ISSN  0015-198X.
  102. ^ «25. Общие государственные расходы» . дои : 10.1787/888932348795 . Проверено 3 июня 2021 г. {{cite journal}}: Требуется цитировать журнал |journal=( помощь )
  103. ^ Гонсалес-Видал, Аврора; Морено-Кано, Виктория (2016). «На пути к моделям интеллектуальных зданий энергоэффективности, основанным на интеллектуальном анализе данных». Procedia Информатика . 83 (Эльзевир): 994–999. дои : 10.1016/j.procs.2016.04.213 .
  104. ^ «Низкоэнергетическое кондиционирование воздуха и управление освещением», Building Energy Management Systems , Routledge, стр. 406–439, 04 июля 2013 г., doi : 10.4324/9780203477342-18, ISBN 978-0-203-47734-2, получено 3 июня 2021 г.
  105. ^ Давенпорт, Томас; Харрис, Жанна (2007). Конкуренция в аналитике . О'Рейли. ISBN 978-1-4221-0332-6.
  106. ^ Ааронс, Д. (2009). В докладе говорится, что штаты берут курс на создание систем данных об учениках. Неделя образования, 29 (13), 6.
  107. ^ Рэнкин, Дж. (28 марта 2013 г.). Как системы данных и отчеты могут бороться с эпидемией ошибок анализа данных или распространять ее, и как могут помочь руководители преподавателей. Архивировано 26 марта 2019 г. на презентации Wayback Machine , проведенной в рамках школьного саммита технологического информационного центра административного лидерства (TICAL).
  108. ^ Бродерманн, Эккарт Дж. (2018), «Статья 2.2.1 (Сфера применения раздела)», Коммерческое право , Nomos Verlagsgesellschaft mbH & Co. KG, стр. 525, номер домена : 10.5771/9783845276564-525, ISBN 978-3-8452-7656-4, получено 3 июня 2021 г.
  109. ^ Джех, JL (21 апреля 1960 г.). «Анализ данных об искажении размеров исходных 24 трубок для сертификации качества». дои : 10.2172/10170345. S2CID  110058009. {{cite journal}}: Требуется цитировать журнал |journal=( помощь )
  110. ^ Адер 2008a, с. 337.
  111. ^ Кьелл, Оскар Н.Э.; Томпсон, Сэм (19 декабря 2013 г.). «Описательная статистика, указывающая среднее значение, стандартное отклонение и частоту пропущенных значений для каждого условия (N = количество участников) и для зависимых переменных (DV)». ПерДж . 1 : е231. doi : 10.7717/peerj.231/table-1 .
  112. ^ Практика работы с отдаленными наблюдениями, ASTM International, doi : 10.1520/e0178-16a , получено 3 июня 2021 г.
  113. ^ «Альтернативные схемы кодирования для фиктивных переменных», Регрессия с фиктивными переменными , Ньюбери-Парк, Калифорния: SAGE Publications, Inc., стр. 64–75, 1993, doi : 10.4135/9781412985628.n5, ISBN 978-0-8039-5128-0, получено 3 июня 2021 г.
  114. ^ Адер 2008a, стр. 338–341.
  115. ^ Данилюк, ПМ (июль 1960 г.). «Расчет смещения исходного контура шестерен при их проверке шариками». Методика измерения . 3 (7): 585–587. дои : 10.1007/bf00977716. ISSN  0543-1972. S2CID  121058145.
  116. ^ Ньюман, Исадор (1998). Качественно-количественная методология исследования: исследование интерактивного континуума . Издательство Университета Южного Иллинойса. ISBN 0-585-17889-5. ОСЛК  44962443.
  117. ^ Тервиллигер, Джеймс С.; Леле, Каустуб (июнь 1979 г.). «Некоторые взаимосвязи между внутренней согласованностью, воспроизводимостью и однородностью». Журнал образовательных измерений . 16 (2): 101–108. doi :10.1111/j.1745-3984.1979.tb00091.x. ISSN  0022-0655.
  118. ^ Адер 2008a, стр. 341–342.
  119. ^ Адер 2008a, с. 344.
  120. ^ Табачник и Фиделл, 2007, с. 87-88.
  121. ↑ Чакарова, Калина (октябрь 2020 г.). «2020/31 Сравнение должностных инструкций недостаточно для проверки одинаковой ценности работы (БГ)». Европейские примеры трудового законодательства . 5 (3): 168–170. дои : 10.5553/eelc/187791072020005003006. ISSN  1877-9107. S2CID  229008899.
  122. ^ Процедуры случайной выборки и рандомизации, BSI British Standards, doi : 10.3403/30137438 , получено 3 июня 2021 г.
  123. ^ Адер 2008a, стр. 344–345.
  124. ^ Сандберг, Маргарета (июнь 2006 г.). «Процедуры акупунктуры должны быть точно описаны». Акупунктура в медицине . 24 (2): 92–94. дои : 10.1136/аим.24.2.92. ISSN  0964-5284. PMID  16783285. S2CID  30286074.
  125. ^ Яарсма, К. Ф. Веркеер в своей стране: waarnemingen и анализ ван гет-веркера в западной Фрисландии и изучение ее модели . ОКЛК  1016575584.
  126. ^ Фот, Кристиан; Хедрик, Брэндон П.; Эскурра, Мартин Д. (18 января 2016 г.). «Рисунок 4: Регрессионный анализ размера центроида для основной выборки». ПерДж . 4 : е1589. дои : 10.7717/peerj.1589/рис-4 .
  127. ^ Адер 2008a, с. 345.
  128. ^ «Последние годы (1975–84)», « Дорога не пройдена» , Boydell & Brewer, стр. 853–922, 18 июня 2018 г., doi : 10.2307/j.ctv6cfncp.26, ISBN 978-1-57647-332-0, S2CID  242072487 , получено 3 июня 2021 г.
  129. ↑ Фицморис, Кэтрин (17 марта 2015 г.). Судьба, переписанная . ХарперКоллинз. ISBN 978-0-06-162503-9. ОСЛК  905090570.
  130. ^ «Дополнительный файл 4. Необработанные данные и анализ на основе R» . 7 марта 2017 г. doi : 10.7554/elife.24102.023 . {{cite journal}}: Требуется цитировать журнал |journal=( помощь )
  131. ^ Адер 2008a, стр. 345–346.
  132. ^ Адер 2008a, стр. 346–347.
  133. ^ Адер 2008a, стр. 349–353.
  134. ^ Биллингс С.А. «Идентификация нелинейных систем: методы NARMAX во временной, частотной и пространственно-временной областях». Уайли, 2013 г.
  135. ^ Адер 2008b, с. 363.
  136. ^ «Исследовательский анализ данных», Python® для пользователей R , Хобокен, Нью-Джерси, США: John Wiley & Sons, Inc., стр. 119–138, 13 октября 2017 г., doi : 10.1002/9781119126805.ch4, hdl : 11380 /971504, ISBN 978-1-119-12680-5, получено 3 июня 2021 г.
  137. ^ «Участие в исследовательском анализе данных, визуализации и проверке гипотез......................... .................................................. ...... Разведочный анализ данных, геовизуализация и данные», Пространственный анализ , CRC Press, стр. 106–139, 28 июля 2015 г., doi : 10.1201/b18808-8, ISBN 978-0-429-06936-9, S2CID  133412598 , получено 3 июня 2021 г.
  138. ^ «Гипотезы о категориях», Начальная статистика: краткое и понятное руководство , Лондон: SAGE Publications Ltd, стр. 138–151, 2010, doi : 10.4135/9781446287873.n14, ISBN 978-1-84920-098-1, получено 3 июня 2021 г.
  139. ^ Сордо, Рэйчел Дель; Сидони, Анджело (декабрь 2008 г.). «Реактивность клеточной мембраны MIB-1: открытие, которое следует интерпретировать осторожно». Прикладная иммуногистохимия и молекулярная морфология . 16 (6): 568. doi :10.1097/pai.0b013e31817af2cf. ISSN  1541-2016. ПМИД  18800001.
  140. ^ Лике, Бенуа; Риу, Жереми (8 июня 2013 г.). «Коррекция уровня значимости при попытке многократного преобразования объясняющей переменной в обобщенных линейных моделях». Методология медицинских исследований BMC . 13 (1): 75. дои : 10.1186/1471-2288-13-75 . ISSN  1471-2288. ПМК 3699399 . ПМИД  23758852. 
  141. ^ abc Макардл, Джон Дж. (2008). «Некоторые этические проблемы подтверждающего и исследовательского анализа». Набор данных PsycEXTRA . дои : 10.1037/e503312008-001 . Проверено 3 июня 2021 г.
  142. ^ Адер 2008b, стр. 361–362.
  143. ^ Адер 2008b, стр. 361–371.
  144. ^ Трусвелл IV, Уильям Х., изд. (2009), «3 Подтяжка лица: руководство по безопасным, надежным и воспроизводимым результатам», Хирургическое омоложение лица , Штутгарт: Георг Тиме Верлаг, номер документа : 10.1055/b-0034-73436, ISBN 978-1-58890-491-1, получено 3 июня 2021 г.
  145. ^ «Дополнительный файл 1. Схема перекрестной проверки» . 6 декабря 2018 г. doi : 10.7554/elife.40224.014 . {{cite journal}}: Требуется цитировать журнал |journal=( помощь )
  146. ^ Сяо, Ченг (2014), «Перекрестно-зависимые панельные данные», Анализ панельных данных , Кембридж: Cambridge University Press, стр. 327–368, doi : 10.1017/cbo9781139839327.012, ISBN 978-1-139-83932-7, получено 3 июня 2021 г.
  147. ^ Хьорт, Дж. С. Урбан (19 октября 2017 г.), «Перекрестная проверка», Компьютерные интенсивные статистические методы , Чепмен и Холл / CRC, стр. 24–56, doi : 10.1201/9781315140056-3, ISBN 978-1-315-14005-6, получено 3 июня 2021 г.
  148. ^ Шейхолеслами, Рази; Разави, Саман; Хагнегадар, Амин (10 октября 2019 г.). «Что нам делать, если модель выходит из строя? Рекомендации по глобальному анализу чувствительности моделей Земли и экологических систем». Разработка геонаучной модели . 12 (10): 4275–4296. Бибкод : 2019GMD....12.4275S. doi : 10.5194/gmd-12-4275-2019 . ISSN  1991-9603. S2CID  204900339.
  149. ^ «Композитные индексы человеческого развития». 19 сентября 2018 г. doi : 10.18356/ce6f8e92-en. S2CID  240207510 . Проверено 3 июня 2021 г. {{cite journal}}: Требуется цитировать журнал |journal=( помощь )
  150. ^ Уайли, Мэтт; Уайли, Джошуа Ф. (2019), «Многомерная визуализация данных», Advanced R Statistical Programming and Data Models , Беркли, Калифорния: Apress, стр. 33–59, doi : 10.1007/978-1-4842-2872-2_2, ISBN 978-1-4842-2871-5, S2CID  86629516 , получено 3 июня 2021 г.
  151. ^ Майлунд, Томас (2022). Начало науки о данных в R 4: анализ данных, визуализация и моделирование для специалиста по данным (2-е изд.). ISBN 978-148428155-0.
  152. ^ Ордуна-Малеа, Энрике; Алонсо-Арройо, Адольфо (2018), «Модель киберметрического анализа для измерения частных компаний», Киберметрические методы оценки организаций с использованием веб-данных , Elsevier, стр. 63–76, doi : 10.1016/b978-0-08-101877 -4.00003-х, ISBN 978-0-08-101877-4, получено 3 июня 2021 г.
  153. ^ Лин, А.Р. Потребитель в австрийской экономике и австрийский взгляд на потребительскую политику . Университет Вагенингена. ISBN 90-5808-102-8. ОСЛК  1016689036.
  154. ^ «Примеры анализа данных о выживании», Статистические методы анализа данных о выживании , Серия Уайли по вероятности и статистике, Хобокен, Нью-Джерси, США: John Wiley & Sons, Inc., 30 июня 2003 г., стр. 19–63, doi :10.1002/0471458546.ch3, ISBN 978-0-471-45854-8, получено 3 июня 2021 г.
  155. ^ «Сообщество машинного обучения бросает вызов Хиггсу» . Журнал «Симметрия» . 15 июля 2014 г. Архивировано из оригинала 16 апреля 2021 г. . Проверено 14 января 2015 г.
  156. ↑ Неме, Жан (29 сентября 2016 г.). «Международный конкурс по анализу данных LTPP». Федеральное управление автомобильных дорог. Архивировано из оригинала 21 октября 2017 года . Проверено 22 октября 2017 г.
  157. ^ «Data.Gov: Долгосрочные характеристики дорожного покрытия (LTPP)» . 26 мая 2016. Архивировано из оригинала 1 ноября 2017 года . Проверено 10 ноября 2017 г.

Библиография

дальнейшее чтение

В Викиверситете есть учебные ресурсы по анализу данных.