分析数学技术和理论.docVIP

剖析数学的技术和理论 剖析数学的技术和理论 剖析数学的技术和理论 数据剖析 (数学 ) data analysis 剖析数学的技术和理论。 数据也称观察值，是实验、丈量、察看、检查等的结果，常以数目的形式给出。数据分 析的目的是把消失在一大量看来凌乱无章的数据中的信息集中、 萃取和提炼出来， 以找出所 研究对象的内在规律。在适用中，数据剖析可帮助人们作判断，以便采纳适合行动。比如 J.开普勒经过剖析行星角地点的观察数据，找出了行星运动规律。又如，一个公司的领导人 要经过市场检查， 剖析所得数据以判断市场动向， 进而拟订舍适的生产及销售计划。 所以数 据剖析有着极宽泛的应用范围。 数理统计学也是一门以采集和剖析数据为内容的学科， 它与数据剖析不一样之处在于数理 统计掌中所波及的数据是遇到随机性的影啊，剖析的目的是对数据所来自的整体作出推测， 整体有必定的概率模型， 推测的结论也常常以概率的形式表达。 但在一般的数据剖析中， 则 不包括这些要求。比如，剖析 20 世纪以来北半球年均匀气温的数据，以确立能否有变冷或 变暖的趋向。 从数理统计的看法， 年均匀温度数据应当作是从一个整体抽取的样本， 这类看 法在本问题中显得勉强： 而数据剖析则不受这些拘束， 它的出发点就不过数据自己， 即所谓 “让数据自己说话” 。所以，广义地说，能够把数理统计学当作是数据剖析的一部分；但一 般只把那种数学模型不显然， 或模型需要借助于剖析已有的数据而提出， 或许根本不需要模 型等状况，列入数据剖析的范围。 典型的数据剖析工作可能包括以下几个步骤。 第一， 当数据刚获得时， 可能不过一大堆 凌乱无章的数字， 不单看不出其规律性， 甚至也不知道如何着手找寻此中可能隐含的规律性， 于是就经过作图、 造表、 用各样形式的方程拟合、 计算某些特点量等手段探究规律性的可能 形式，即往什么方向和用何种方式去找寻和揭露隐含在数据中的规律性。 这一步工作叫探究 性数据剖析。 J.W.图基在其著作《探究性数据剖析》中对此进行了详尽的阐述。第二步是模 型选定剖析， 在探究性剖析的基础上提出了一类或几娄可能的模型， 而后经过进一步的剖析 从中精选必定的模型。比如研究两变量 x、y 的关系，初步剖析能够用不超出三次的多项式 去拟合，还要进一步确立其次数，而且预计出多项式各项的系数。 又如，在一个包括多个自 变量的回归问题 (见回归剖析 )中，经判断以为拥有线性关系，则进一步需要确立使用哪些自 变量， 如何预计方程中的系数。 假如数据是来自一个统计整体， 则这一步其实是数理统计 学的研究对象。 最后一步是推测剖析， 往常使用数理统计方法对所定模型或预计的靠谱程度 和精准程度做出推测。 比如，查验由上边所定出的模型能否可用。 这一步工作完整属于数理 统计学的范围， 若不假设数占有必定的统计构造， 则没法进行， 只好将第二步所得模型付诸 适用，以对所研究的现象提出一种假说或做出某种采纳行动的方案， 再由此后采集到的数据 去查验和修正。 所以，狭义的数据剖析主假如指探究性数据剖析。 有时依据问题的需要和现实的可能只 能做到第一步， 有时则一定进到模型选定剖析。 探究性数据剖析是在尽量少的先验假设下处 理数据，以表格、纲要、图示等直观的手段，探究数据的构造，及检测关于某种指定模型是 否有重要偏离。 它能够作为进一步剖析的基础， 也可据以对数据作出非正式的解说。 实验者 经常据此扩大或改正其实验方案，重作实验。 图形因为其形象性， 简单为人所理解，故作图 法是探究剖析的重要方法。 图基在上述著作中把探究剖析放在模型选定剖析与推测剖析以前， 提升了人们关于“让数听说话”和“探究”的重要性的认识。对一、两个变量和为数不多的 数据，用笔和坐标纸就能够进行探究剖析。 计算机及其作图设施的人机对话功能供给了充足 探究的可能性，比如用不一样方法看数据，进行数据变换，图示，观察残差等等。至于如何对 多变量、大量量、复杂构造的数据作适合而有效的探究剖析，已惹起宽泛注意。 数据剖析离不开外面的知识和判断， 形式化的数据剖析方法不过一种协助性手段， 以帮 助人们进行判断或推理。在有些问题中，上述三个步骤的某一步骤能够跳过或简单地进行， 而在进行过程中又可能返回前面的某一步骤。 在作数据剖析时， 一定注意所得结果是近似的， 对它的解说可能不完整正确。 比如，开普勒曾发现太阳系中当时已发现的 6 个行星轨道的某 种数据， 与 5 种正多面体有奇妙的关系， 由此他解说为何行星恰巧是 6 个。这一点此刻知 道其实不正确。所以数据剖析所发现的事实及其解说，最后要接受此后数据的查验。 数据及其构造、 数据剖析的问题及目的， 都是多种多样的，来自不一样的领域， 的特征，进而数据剖析可区分红很