Modelowanie statystyczne dla biznesu:

Celem pracy jest przeglad technik i narzedzi słuzacych do analizy statystycznej z wykorzystaniem wysokowydajnych metod przetwarzania danych dostepnych w ramach narzedzia SAS Viya i jezyka chmury obliczeniowej CASL (ang. Cloud Analytic Services Language) oraz narzedzi dostepnych w jezykach R i Python. Prezentacja poszczególnych etapów analizy i narzedzi rozpoczyna sie od zupełnie podstawowych aspektów przetwarzania danych oraz miar analizy struktury. Podano opis zadan technicznych takich jak komunikacja z baza danych, przetwarzanie danych, przesyłanie wyników, po czym dokonano wprowadzenia do tematyki modelowania statystycznego, posługujac sie wybranym zestawem modeli liniowych obejmujacym: analize wariancji i kowariancji, analize korelacji i regresji z uwzglednieniem modelu regresji adaptacyjnej oraz model regresji kwantylowej. W rozdziale pierwszym zawarto wprowadzenie do systemu SAS Viya i podstawy składni jezyka CASL. Opisano tematy wczytywania i eksportowania danych, eksploracji danych za pomoca interaktywnej aplikacji SAS Explore and Visualize, elementarne zadania zwiazane z przetwarzaniem danych, takie jak filtrowanie, sortowanie, formatowanie oraz tworzenie zapytan, a takze raportowanie tabel i wykresów w plikach zewnetrznych. W rozdziale drugim przedstawiono wybrane zagadnienia z zakresu metody reprezentacyjnej. Dokonano tego w ujeciu klasycznym i w zastosowaniach na potrzeby walidacji modeli predykcyjnych. Rozdział trzeci zawiera opis podstawowych miar analizy struktury stosowanych wobec róznego typu rozkładów. Opisano równiez miary odporne połozenia i zróznicowania wykorzystywane w analizie wpływu obserwacji odstajacych.W czwartym rozdziale ksiazki zaprezentowano opis rozkładów wybranych zmiennych losowych obejmujacy funkcje prawdopodobienstwa oraz dystrybuante wraz z zestawem standardowych zadan wykonywanych w ramach analizy rozkładów i weryfikacji zgodnosci z rozkładem teoretycznym. Ostatnie z wymienionych zagadnien przedstawiono z podziałem na estymacje parametryczna i nieparametryczna. W ostatniej czesci rozdziału zaprezentowano schemat symulowania danych z zadanego rozkładu, co moze stanowic przydatne narzedzie stosowane w ramach oceny modeli. Rozdział piaty obejmuje tematyke podstawowych modeli liniowych, w tym analize wariancji z klasyfikacja pojedyncza i podwójna, model analizy kowariancji oraz analize nieparametryczna wykorzystujaca test Kruskala–Wallisa. Przedstawiono zapis modeli oraz własciwych testów statystycznych. Ostatnia czesc rozdziału prezentuje wybrany zestaw miar diagnostycznych stosowany do oceny modeli. Rozdział szósty dotyczy analizy korelacji i zaleznosci. Zawarto w nim opis współczynnika korelacji liniowej Pearsona, współczynnika rang Spearmana, a takze miary zaleznosci -Kendalla i miare Hoeffdinga. W tej czesci pracy zaprezentowano równiez narzedzia stosowane do oceny zwiazków pomiedzy zmiennymi skokowymi, w tym test niezaleznosci 2 oraz współczynnik V Craméra. Rozdział ukazuje takze zastosowanie współczynnika Cronbacha do oceny zwiazków pomiedzy wieksza liczba zmiennych. W rozdziale siódmym przedstawiono zagadnienia modeli regresji liniowej oraz rozwiniecia tej koncepcji. Uwzgledniono zapis podstawowych miar diagnostycznych oraz technik słuzacych do doboru zmiennych i specyfikacji modelu. Zagadnienia te ukazano w kontekscie modelowania predykcyjnego. W ostatnim rozdziale zawarto podstawowy opis modelu regresji kwantylowej jako wszechstronnego narzedzia znajdujacego zastosowanie w modelowaniu predykcyjnym, ale takze w ocenie jakosci danych.