Реферат: Отечественные статистические пакеты
Первая коммерческая версия системы ЭВРИСТА для персонального компьютера появилась 1987 году и ее первым покупателем стало объединение КАМАЗ (г. Набережные Челны). Несмотря на то, что первые персональные компьютеры имели слабые (особенно с нынешних позиций) графические возможности, разработчики по максимуму старались их использовать, и в результате ЭВРИСТА, одна из немногих программных систем того времени, уже имела полностью графический многооконный интерфейс.
В 1988 году Ю.Г.Баласанов и его коллеги создают специализированную статистическую группу высокопрофессиональных статистиков-программистов в СП ДИАЛОГ.
В 1991 году выходит вторая версия системы для IBM-совместимых компьютеров.
В январе 1993 года коллектив разработчиков системы ЭВРИСТА в полном составе переходит в ТОО “Центр Статистических Исследований” и все последующие версии системы выходят в рамках этой организации.
В настоящее время система ЭВРИСТА имеет более 500 зарегистрированных пользователей и по праву заслужила звание популярнейшей отечественной специализированной статистической системы по анализу и прогнозированию временных рядов. Среди наших пользователей: Центральный Банк России, Московский Сбербанк, АКБ "Гута-банк", Bank of America, Институт проблем переходного периода, Институт социологии парламентаризма, МГУ им. М.В.Ломоносова и многие другие.
С 1997 “ЭВРИСТА” - зарегистрированная торговая марка ООО “Центр Статистических Исследований” (свидетельство N 148880 комитета Российской федерации по патентам и товарным знакам (РосПатент)). Статистическая система “ЭВРИСТА” зарегистрирована как самостоятельное электронное издание ООО “Центр Статистических Исследований” (свидетельство N0114-97.1.0.RUS Серия Б. Комитета при Президенте Российской Федерации по политике информатизации).
ППП «ОЛИМП»
Пакет «Олимп» предназначен для автоматизации обработки данных на основе широкого набора современных методов прикладной статистики. Он реализован в расчете на самых разнообразных пользователей – от новичков до экспертов в области статистики.
В состав пакета, кроме основных программ, входят также электронная таблица MNCALC и программное средство «Прикладные социологические исследования (ПСИ)».
Пакет «ОЛИМП» позволяет организовать полный цикл исследований по статистическому анализу и прогнозированию данных, начиная с ввода исходных данных, их проверке и визуализации и заканчивая проведением расчетов и анализом результатов.
С функциональной точки зрения пакет состоит из следующих программ (процедур): редактора средств графического отображения и утилит преобразования данных, а также программ реализации методов статистического анализа.
Редактор данных обеспечивает возможность ввода, просмотра и редактирования исходных данных (в том числе пропущенных наблюдений).
Средства графического отображения данных позволяют выводить различные виды графиков на экран, а также сохранять их на диске для дальнейшего использования.
Утилиты преобразования данных выполняют арифметические преобразования данных (унарные и бинарные), различные виды сортировки (в том числе по нескольким переменным), агрегирование (объединение по одному признаку) и фильтрование данных (отбор по одному признаку).
Программы пакета «ОЛИМП» реализуют следующие методы статистического анализа: корреляционный, регрессионный, дисперсионный, дискриминантный, факторный и компонентный, анализ таблиц сопряженности рядов и др.
Для анализа и прогнозирования динамических данных применяются следующие методы:
· адаптивные методы прогнозирования;
· модели динамической регрессии;
· модели прогнозирования на основе линейной регрессии;
· модели гармонического, спектрального анализа и частотной фильтрации.
Каждая из перечисленных выше моделей может управляться пользователем с помощью параметров, характеризующих эту модель. Такой подход позволяет постепенно осваивать заложенные в программе возможности и облегчает работу с ней.
С помощью корреляционного анализа рассчитывается матрица парных корреляций, матрица частных корреляций, а также коэффициенты множественных корреляций.
На основе регрессионного анализа решаются следующие задачи: установление форм зависимости (положительная, отрицательная, линейная, нелинейная).
Компонентный и факторный анализ – два принципиально различных статистических метода. В программе они объединены в единый блок, поскольку такое объединение оправдано с вычислительной точки зрения.
Компонентный анализ служит для определения структурной зависимости между случайными переменными. В результате его использования получается сжатое описание явления, несущее почти всю информацию, содержащуюся в исходных данных.
Факторный анализ является более общим методом преобразования исходных переменных по сравнению с компонентным анализом. В задачи факторного анализа входит: определение числа общих факторов, определение оценок общих и специфических факторов.
Анализ временных рядов включает в себя расчет статистических характеристик, анализ кривых роста по 16 функциям и некоторые адаптивные параметрические модели для анализа одномерных временных рядов.
Анализ автокорреляции динамического ряда выполняется с помощью графика автокорреляции.
Расчет кривых роста рассматривается как построение парной регрессии, в которой основной переменной является время.
Углубленный анализ предполагает использование адаптивных методов, сезонных методов прогнозирования. Для решения задач частотного анализа могут быть использованы методы частотной фильтрации, гармонического анализа, спектрального анализа.