- •Программа дисциплины
- •Тема 1. Методы обработки и анализа экономической информации
- •Тема 2. Финансовый анализ инвестиций
- •Литература Основная литература
- •Конспект лекции по курсу «Анализ данных в эис» Раздел I. Методы обработки и анализа экономической информации
- •1.2. Схема процесса моделирования.
- •1.3. Классификация математических моделей.
- •1.4. Задачи и методы исследования операций анализа данных.
- •Тема 2. Характеристика пакетов математических расчетов.
- •2.2. Структура пакетов прикладных программ.
- •2.3. Математические, статистические и оптимизационные ппп. Eureka
- •Mathcad
- •MathCad 8 Professional
- •Mathcad explorer
- •Матнематiса
- •Statistica
- •Раздел II. Анализ данных электронных таблиц. Тема 3. Вычисление итогов
- •3.2. Сортировка диапазона данных. Сортировка списков
- •Сортировка по столбцам
- •Задание пользовательских порядков сортировки
- •3.3. Формирование промежуточных итогов. Установка настроек
- •Вычисление итогов
- •3.4. Функции, обслуживающие промежуточные итоги.
- •Тема 4. Консолидация данных.
- •4.2. Использование меток и установка параметров консолидации.
- •4.3. Создание связей с исходными данными.
- •Тема 5. Ит использования таблиц подстановки.
- •5.2. Виды подстановки значений.
- •5.3. Создание таблиц подстановки с несколькими переменными.
- •Тема 6. Поиск решения для анализа данных.
- •6.2. Формирование области ограничений.
- •6.3. Организация поиска решения.
- •6.4. Параметры поиска решения.
- •Тема 7. Использование фильтрации базы данных.
- •7.2. Диапазон критериев фильтрации.
- •7.3. Применение усиленного фильтра.
- •Тема 8. Ит использования диспетчера сценариев.
- •8.2. Редактирование сценария.
- •8.3. Создание итогового отчета.
- •Тема 9. Анализ данных с помощью сводных таблиц.
- •9.2. Создание сводной таблицы с помощью мастера сводных таблиц.
- •9.3. Работа с данными при помощи панели инструментов Запрос и сводная таблица и фильтрация данных в сводной таблице.
- •Тема 10. Построение графиков для анализа данных.
- •10.2. Создание диаграммы в рабочем листе.
- •10.3. Мастер диаграмм.
- •Тема 11. Анализ статистических данных с помощью пакета анализа.
- •11.2. Использование статистических функций.
- •Вероятность
- •Результат:
- •Доверит
- •Квадроткл
- •11.3. Статистические функции прогнозирования. Предсказ
- •11.4. Функции баз данных.
- •Бддиспп
- •Бдпроизвед
- •Раздел III. Информационные технологии описательной статистики.
- •Тема 12. Статистический анализ данных в ппп StatGrafics.
- •12.2. Ввод исходных данных.
- •12.3. Процедуры построения графиков и диаграмм
- •Тема 13. Средства автоматизации научно-исследовательских работ в ппп MathCad.
- •13.2. Приемы работы с системой MathCad.
- •13.3. Стандартные и пользовательские функции.
- •Тема 14. Средства обработки и анализа данных в ппп MatLab.
- •Упрощенный интерфейс
- •Работа с панелью инструментов Средства панели инструментов
- •14.2. Использование операторов и функций.
- •Арифметические операторы и функции
- •Арифметические операторы и функции matlab
- •Операторы отношения и их функции
- •Операторы и функции отношения
- •Логические операторы
- •Логические операторы и функции matlab
- •Специальные символы
- •Специальные символы matlab
- •Системные переменные и константы
- •Функции поразрядной обработки.
- •Функции обработки множеств
- •Функции времени и даты.
- •Форматы представления даты
- •Элементарные функции.
- •Алгебраические и арифметические функции
- •14.3. Построение графиков в ппп MatLab.
- •Вопросы для приема экзамена по дисциплине «Анализ данных в эис»
Функции поразрядной обработки.
Ряд функций предназначен для поразрядной логической обработки данных:
- bitand (A,B) — возвращает поразрядное И двух неотрицательных целых аргументов А и В. Пример:
» f=bitand(7.14)
f = 6
- bitcmp(A,n) — возвращает поразрядное дополнение аргумента А как n-битовое неотрицательное целое число. Пример:
» g=bitcmp(6,4)
g = 9
- bitor (A,B) — возвращает поразрядное ИЛИ двух неотрицательных целых аргументов А и В. Пример:
» v=bitor (12,21)
v = 29
- bitmax — возвращает максимальное целое число без знака, которое может быть представлено в формате чисел с плавающей запятой применительно к используемому компьютеру. Это значение определяется для комбинации, когда все биты установлены. На машинах с IEEE-арифметикой это значение равно 253-1. Пример:
» bitmax
ans = 9.0072е+015
- bitset(A,bit,v) — устанавливает бит в позиции bit равным значению v, которое должно быть 0 или 1. Пример:
» d=bitset(12,2,1)
d = 14
- bitshift(A,n) — возвращает значение аргумента А, сдвинутое на n бит. Если n>0, это аналогично умножению на 2n (левый сдвиг). Если п<0, это аналогично делению на 2 n (правый сдвиг). Пример:
» f=b1tsh1ft(4,3)
f = 32
- bitset(A,bit) — устанавливает бит в позиции bit аргумента А в единичное значение. Аргумент А должен быть неотрицательным целым, bit — это номер в диапазоне между 1 и числом бит в целом числе, представленном в формате чисел с плавающей запятой.
- bitget(A,bit) — возвращает значение бита в позиции bit операнда А. Аргумент А должен быть неотрицательным целым числом, bit — это номер между 1 и числом бит в целом числе формата с плавающей запятой. Пример:
» disp(dec2bin(23))
10111
» С - bitget(23,5 : -l : l)
С = 1 0 1 1 1
- bitxor (A,B) — возвращает результат поразрядного исключающего ИЛИ для двух аргументов А и В. Оба аргумента должны быть целыми. Пример:
» x=bitxor (12,31)
х = 19
Чтобы операнды этих функций гарантированно были целыми числами, при их задании рекомендуется использовать функции ceil, fix, floor и round.
Функции обработки множеств
Множество — первичное понятие математики, не имеющее четкого определения. Под множеством подразумевается совокупность некоторых объектов, например книг в библиотеке, людей в зале или элементов вектора. Рассмотрим некоторые функции для обработки множеств, представленных векторами. Они широко используются при анализе и обработке данных.
- intersect(а,b) — возвращает пересечение множеств для двух векторов а и b, т. е., общие элементы векторов а и b. Результирующий вектор отсортирован по возрастанию. Если входные массивы не являются векторами, то они рассматриваются как совокупность векторов-столбцов а=а(:) или b=b(:);
- intersect(a,b, 'rows') — возвращает строки, общие для а и b, когда а и b представляют собой матрицы с одинаковым числом столбцов;
- [c,ia,lb] = intersect(a,b) — также возвращает вектор-столбец индексов ia и ib, но так, что с = a(ia) и с = b(ib) (или с = a(ia,:) и с = b(ib,:)). Пример:
» А = [1 7 2 6 ]; В - [7 2 3 4 6 1];
» [c,la,ib] = intersect(A,В)
с = 1 2 6 7
ia = 1 3 4 2
ib = 6 2 5 1
- ismember(a,S) — возвращает вектор той же длины, что и исходный а, содержащий логические единицы на месте тех элементов вектора а, которые принадлежат множеству S, и логические нули на месте тех элементов вектора а, которые не принадлежат множеству S;
- ismember(A,S, 'rows') — возвращает вектор, содержащий логические единицы там, где строки матрицы А являются также строками матрицы S, и логические нули в остальных позициях. А и S должны быть матрицами с одним числом столбцов.
Пример:
» set = [0 1 3 5 7 9 11 15 17 19];
» а = [1 2 3 4 5 6 7 8];
» k = ismember(a,set)
k = 1 0 1 0 1 0 1 0
- setdiff(a,b) — возвращает разность множеств, т. е., те элементы вектора а, которые не содержатся в векторе b. Результирующий вектор сортируется по возрастанию;
- setdiff(a,b, 'rows') — возвращает те строки из матрицы а, которые не содержатся в матрице b. Матрицы а и b должны иметь одинаковое число столбцов;
- [c,i] = setdiff(…) — возвращает также вектор индексов i, такой что с = a(i) или с = a(i,:).
Если входной массив а является матрицей, то он расценивается как вектор-столбец а(:).
Пример:
» а = [2 3 5 7 8 9 10 13 20];
» b = [1 4 5 6 8 9 4]
» с = setdiff(a,b)
с = 2 3 7 10 13 20
- setxor(a,b) — исключающее ИЛИ для векторов а и b. Результирующий вектор отсортирован;
- setxor(a,b, 'rows') — возвращает строки, которые не являются пересечениями матриц а и b. Матрицы а и b должны иметь одинаковое число столбцов;
- [c,ia,ib] = setxor(...) — возвращает также векторы индексов ia и 1b так, что с является отсортированной комбинацией элементов с = a(ia) и с = b(ib) или для комбинаций строк с = a(ia,:) и с = b(ib.:).
Если массив а является матрицей, то он расценивается как вектор-столбец а(:).
Пример:
» а = [-1 0 1 Inf - Inf NaN];
» b = [-2 pi 0 Inf];
» с = setxor(a,b)
с = -Inf -2.0000 -1.0000 1.0000 3.1416 NaN
- union(a, b) — возвращает вектор объединенных значений из а и b без повторяющихся элементов. Результирующий вектор сортируется в порядке возрастания;
- union (a, b,' rows') — возвращает объединенные строки из а и b, не содержащие повторений (а и b — это матрицы с одинаковым числом столбцов);
- [c,ia,ib] = union(...)— дополнительно возвращает iа и ib — векторы индексов, такие что с = a(ia) и c=b(ib), или, для объединенных строк, с = a(ia,:) и с = b(ib.:).
Невекторный массив а расценивается как вектор-столбец а(:). Пример:
» а = [2,4,-4,9,0] : b=[2,5,4];
» [c,ia,ib]=union(a,b)
с = -4 0 2 4 5 9
ia = 3 5 4
ib = 1 3 2
- unique(a) — возвращает значения элементов из а, не содержащие повторений. Результирующий вектор сортируется в порядке возрастания. Невекторный массив расценивается как вектор-столбец а=а(:);
- unique(a, 'rows') — возвращает уникальные строки а;
- [b,i,j] = unique (...) — дополнительно возвращает i и j — векторы индексов, такие что b = a(i) и а = b(j) (или b = a(i,:) и а = b(j,:)).
Примеры:
» b=[-2,3,5,4,1,-6,2,2,7]
b = -2 3 5 4 1 -6 2 2 7
» [c,i,j] = unique(b)
с = -6 -2 1 2 3 4 5 7
I = 6 1 5 8 2 4 3 9
J = 2 5 7 6 3 1 4 4 8 » а=[-2,3,5;4,1,-6;2,2,7;-2,3,5]
а = -2 3 5
4 1 -6
2 2 7
-2 3 5
» c = unique(a,'rows')
с = -2 3 5
2 2 7
4 1 -6
