Среда и язык вычислений R

При статистическом анализе многомерных данных из различных областей человеческой деятельности часто возникает проблема неоднородности данных, которая может быть переформулирована как задача классификации. Поскольку нормальное распределение является симметричным, требуется использование модели асимметричных распределений, в частности скошенного нормального распределения [Ошибка! Источник ссылки не найден.].

---

Дипломная работа по аудиту на заказ является подходящим решением для тех, кто не хочет писать работу самостоятельно. Доверьте ваш диплом профессиональным авторам Work5!

---

В условиях указанной модели для одновременной оценки параметров и классификации наблюдений традиционно используется итерационный алгоритм расщепления смесей распределений. Существует множество реализаций EM алгоритма для некоторых из перечисленных выше задач, но для научных исследований представляется наиболее удобным использование реализаций данного алгоритма из специализированных библиотек среды статистического программирования R. В данных библиотеках реализованы различные версии EM алгоритма для классификации как симметричных, так и асимметричных одномерных и многомерных наблюдений. Более того, язык программирования R позволяет относительно быстро разрабатывать и тестировать новые алгоритмы. Основной целью данной работы является изучение возможностей среды статистических вычислений R для классификации многомерных неоднородных ассиметричных данных с помощью EM алгоритмов, в частности, классификации многомерных данных по финансовой отчетности предприятий из ранее проведенного исследования. Таким образом, объектом данного исследования является модель смеси многомерных распределений, а предметом исследования – классификация неоднородных данных с помощью EM алгоритмов расщепления смесей распределений. Основными задачами являются: подготовка обзора по соответствующим реализациям EM алгоритмов в R, проверка работоспособности данных алгоритмов на модельных данных, а также адаптация указанных алгоритмов для задачи оценивания кредитных рейтингов предприятий

В данной работе получены следующие результаты: 1) подготовлен обзор основных программных библиотек для среды статистического программирования R, которые могут быть полезны для решения указанные методы и алгоритмы; 2) проведены эксперименты на модельных и реальных данных, иллюстрирующие особенности применения процедур, реализующих указанные алгоритмы; Приведенные обзор литературы свидетельствует о широкой востребованности данной темы как в научных исследованиях, так и на практике. Обилие программных реализаций соответствующих методов и алгоритмов, в частности в R, дает большие возможности по анализу данных без необходимости самостоятельно писать данные алгоритмы. Однако, ввиду специфичности конкретной задачи, требуется доработка отдельных алгоритмов, что относительно быстро может быть достигнуто при использовании языка статистического программирования R.

1. Кабаков Роберт И. R в действии. Анализ и визуализация данных на языке R. - ДМК-Пресс, 2017. — 298 с. 2. Шипунов А. Б., Балдин Е. М. , Волкова П. А., Коробейников А. И., Назарова С. А., Петров С. В., Суфиянов В. Г. и др. Наглядная статистика. Используем R //М.: ДМК Пресс. – 2017. – Т. 298. – С. 1. 3. http://www.r-tutor.com