X
تبلیغات
رایتل

ایران فایل دانلود

دانلود انواع فایل

دوشنبه 15 آذر 1395 ساعت 23:42

تأثیر استخراج داده‌ها بر CRM

تأثیر استخراج داده‌ها بر CRM

مقدمه

بازار ابزار استخراج داده ها از دو راه ابتدایی خود در حال ظهور می‌باشد . بسیاری از ابزارهایی که در اینجا توضیح داده می‌شوند ، در مرحلة اول انتشار می‌باشند.

موقعیت در بازار CRM که عموماً بخشی از سیستم تجارت الکترونیکی در نظر گرفته می‌شود ، پیچیده تر می‌باشد و بنابراین با سرعت وب یا شبکه در حال حرکت می‌باشد. بازار CRM ، حتی بیشتر از بازار ابزار استخراج داده‌ها با چندین فروشنده که بر تعریف خود بازار و موقعیت خود در این بازار متمرکزند ، توصیف می‌گردد.

این اشتباه، با ماهیت بسیار دینامیک خود بازار که یک فعالیت قابل رویت تحکیم مشتری، شرکتهای ادغامی‌و تملیک ها را تحمل می‌کند، بیشتر می‌گردد. علی رغم کل این چالشها، باز رو به تکامل می‌رود و فروشندگان، پیشرفت مهمی‌در علمی‌بودن ابزار، قابلیت استفاده و قابلیت اداره‌ کسب می‌کنند.

اولین بخش این فصل ، به کاربردهای بسته بندی شده استخراج داده ها می‌پردازد. این کاربردها ، بر اساس چندین تکنیک استخراج داده ها ادغام شده در ابزارهای بهتر می‌باشد . همراه با بهترین عملکرد ها ، اسلوب شناسی های خوب تعریف شده و فرآیندها، راه خود را در محیط های تولید شرکتها که در آن استخراج داده ها بخشی از یک فرآیند موسسه ای شده می‌شود می‌یابند که شامل رشد و یادگیری سازمانی می‌شود .


بازار استخراج داده ها

بیائید بازار استخراج داده ها را از نقطه نظر منحنی اقتباسی تکنولوژی در نظر بگیریم ایمنی به اقتباس کنندگان اولیه ، از تکنولوژی لبة یادگیری برای دستیابی به مزیت رقابتی استفاده می‌کنند ؛ هنگامیکه تکنولوژی تکامل می‌یابد ، شرکتهای بیشتری آن را اقتباس می‌کنند ، و در یک حالت تجارت زمانی و عادی درج می‌نمایند . همچنین مناطق عملی بودن ابزاهای استخراج داده ها بزرگتر و بزرگتر می‌شوند. به عنوان مثال ، تکنولوژی وایت اوک ( یک شرکت استخراج داده ها در مریلند) از جانب کمیسیون فدرال الکترون، مجوز فروش سیستم گچین ماینر Capain Miner را کسب کرده است که بی نظمی‌در دخالتهای سیاسی فدرال را کشف می‌کند . نورتل، یک بسته کشف کلاهبرداری را توسعه داده است به نام سوپر اسلوت فراود ادوایسور ، که از تکنولوژیهای شبکة عصبی استفاده می‌کند .

صنعت ابزار استخراج داده ها ، برخلاف تکنولوژیهای استخراج داده ها ، در مرحلة عدم تکامل قرار دارد و می‌کوشد تا بازار را تعیین نماید . و وجودش را تائید کند . به همین دلیل است که در می‌یابیم بازار ابزارهای استخراج داده ها تحت تاثیر موارد زیر قرار دارد:

qادغام پیوسته و مداوم ابزارها با اتکاء به تکنولوژیهای مکمل و به عنوان مثال OLAP

q ظهور کاربردهای بسته بندی شدة عمودی و یا اجزاء استخراج داده ها برای توسعة کاربرد .

q استراتژیهای بسیار اقتباس شده شرکت بین فروشندگان ابزار استخراج داده ها و فروشندگان تهیه کنندگان راه حل جامع و ادغام کننده های سیستم ها : فروشندگان مقیاس مؤسسه ، همانند IBM NCR ، اوراکل ، میکروسافت ) به عنوان مثال ، اوراکل چندین شریک متعدد استخراج داده ها به عنوان بخشی از او را کل ویرهاوس اینتیشیتیو از جمله آنگاسن دیتا مایند ، دیتاپکیج اینفورمیشن دیسکاوری ، SRA , SPSS اینترنشنال و تینکینگ ماشینز را انتخاب کرده است .

اصول طبقه بندی ابزارهای استخراج داده ها

ما می‌توانیم کل بازار ابزارهای استخراج داده ها را به سه گروه اصلی تقسیم نمائیم ؛ ابزارهای دارای هدف کلی ، ابزارهای ادغام شدة استخراج داده ها DSSOLAP ، و ابزارهای به سرعت در حال رشد و برای کاربرد.

ابزارهای هدف کلی بخش بزرگتر و کامل تر بازار را اشغال می‌کند . آنها بنا به تعریف و برای کاربرد نیستند و حوزه آنها از نظر ماهیت افقی است . این ابزار شامل موارد زیر می‌شود .

· SAS اینترپراز ماینر

· IBM اینتلیجنت مایننر

· یونیکا PRW

· SPSS کلمنتین

· SGI ماین ست

· اوراکل داروین

· آنگاس نالج سیکر

بخش ابزار مرکب یا اداغام شدة استخراج داده ها بر شرط تجاری بسیار واقعی و اجباری داشتن ابزار چند منظورة تقویت تصمیم تاکید می‌کند که گزارش مدیریت ، پردازش تحلیلی روی خط ، و قابیت های استخراج داده ها در یک قالب کاری عادی را فراهم می‌کند . نمونه های این ابزار های مرکب شامل کاکنوس سیناریو و بیزینس آبجکت می‌شود.

بخش ابزارهای ویژة کاربرد ، به سرعت در حال حرکت است ، و فروشندگان در این فضا ، می‌کوشند تا خود را با ارائة راه حلهای تجاری به جای جستجوی تکنولوژی برای یک راه حل ، از سابرین متمایز نمایند . حوزة این ابزار ، بنا به تعریف از نظر ماهیت عمودی است . در بین این ابزارها ، موارد زیر قرار دارند:

· KD1 ( متمرکز بر خرده فروشی است )

· حق انتخابها و انتخابها ( بر صنعت بیمه متمرکز است )

· HNC ( بر کشف کلاهبرداری متمرکز است )

· یونیکا مدل 1 ( بر بازاریابی متمرکز است )

ارزیابی ابزار : صفات و اسلوب شناسی ها

کل این عوامل ارائه یک توصیف بهینه از ابزارهای استخراج طولانی تر موجود را مشکل ساخته است . بنابراین . بطور کلی ابزارهای استخراج داده ها را می‌توان با استفاده از صفات زیر ، توصیف نمود :

qتکامل محصول و ثبات و استحکام شرکت . به دلیل عدم تکامل کلی بازار تجاری برای ابزارهای استخراج داده ها ، این مقوله محصولاتی را توضیح می‌دهد که برای جنبش از چند سال وجود داشته اند.

q سکوها و معماری. سکوهای متنوع از نظر تجاری موجود را تقویت کنید ، مدل چند تأبیری مشتری / خادم را تقویت کنید . هدف قابلیت سنجش، دسترسی به سرعت نزدیک به خطی و سنجش زمان اجرا ، به عنوان میزان داده ها ( اندازة بانک اطلاعاتی ) ، تعداد متغیرها ، و تعداد کاربران متصل به هم می‌باشد که در حال رشد هستند .

q تداخلهای داده ها ، قابلیت ابزار برای دسترسی به بانکهای اطلاعاتی ارتباطی ، فایلهای یکنواخت و سایر فورمتها.

q قابلیتهای استخراج داده ها از جمله تکنیکها ، الگوریتم ها و کاربردهای تحلیلی ،‌ تکنیکهای استخراج داده ( ANN ، CART ، ایفاء قانون و غیره ) با تداخل عادی کاربر که ابزار می‌تواند آن را تقویت نماید، توانایی ایجاد و مقایسة چندین مدل ؛ و توانایی برای تقویت تعدادی از انواع مختلف تجزیه و تحلیل از جمله طبقه بندی ، پیشگویی و کشف اتحاد.

q ایجاد داده ها قابلیت تغییر شکل و طبقه بندی متغیرهای پیوسته ، ایجاد متغیرهای جدید ، استفاده از تاریخها و زمان ، استفاده از ارزشهای از دست رفته و غیره.

q مدل (خصوصیت تفسیر ، ارزیابی ، صف بندی) . این مقوله ، ابزار را از نظر قابلیت انجام کارهای زیر ، ارزیابی می‌کند:

· شناسایی مدل بطور اتوماتیک یا دستی ، توسط کاربر

· توضیح نتایج و تعریف مقایسهای اعتمادی یعنی احتمالات طبقه بندی ،‌ حدود اعتماد و غیره

· ارزیابی نتایج مدل با درجه و تناسب

· گزارش دخالت و سهم هر متغیر در مدل ، گزارش درجة افزایش و غیره

· صف بندی مدل برای امتیاز بانکهای اطلاعاتی منبع

· استخراج مقرارت از مدل

· دسته بندی قوانین استخراج شده در یک شکل استاندارد ( به عنوان مثال کد SQL، اظهارات روشی )

qعملکرد

· اعتبار پیشگویی اعتبار بر اساس نرخ خطای نمونة پیشگویی می‌باشد ؛ اعتبار مدل را می‌توان با درجة افزایش اندازه گیری نمود.

· کارایی پردازش . اجزای بهینة زمان اجرای الگوریتم ها

qتداخلهای کاربر . این مقوله در می‌یابد آیا ابزار یک کاربر مبتدی و یا کارشناس را تقویت می‌کند یا نه و موارد زیر را تقویت می‌نماید:

· الگوهای سنجش تجاری . قابلیت ایجاد الگوهای از قبل بسته بندی شده ، برای تقویت بسته های تجاری ویژه ( به عنوان مثلا بازاریابی هدف ، امتیازدهی اعتبار، کشف کلاهبرداری ).

· تداخل متادیتا . قابلیت تقویت وظیفة طراحی معنایی ؛ دستیابی به متادیتا برای کدگذاری جداول مقادیر مقوله ای ، دستیابی به قوانین استخراج ، تغییر شکل و مهاجرت به تعریف دیدگاه تجاری خروجی مدل

qقابلیت اداره

· کنترل پیچیدگی . این یکی از روشهای اصلاح تصمیم مدل است ، بنابراین مدل را بیشتر قابل اداره می‌نماید . به عنوان مثال ، استفاده از پارامترهای بسیار آزاد منجر به تناسب بیش از حد می‌گردد ( قبلاً بحث شد ) ؛ این پیچیدگی را می‌توان با زوال وزن ، کنترل نمود . الگوریتم های درخت تصمیم CART از فاز شاخه زنی یا ضریب برای کاهش پیچیدگی مدل درخت استفاده می‌نمایند .

· سختی . اعتبار درخت و موجود بودن به قابلیت یا بهبود سریع از یک نقطة ضعف . استفاده از اجزاء کلیدی به منظور ادغام در قالب کاری مدیریت سیستم ها ( به عنوان مثال BMCpatrol ، Tivolitme10 و غیره.)

· مرسوم سازی . قابلیت ابزار برای ایجاد یک معماری باز، انعطاف پذیر و قابل گسترش با تداخلهای برنامه ریزی کاربرد منتشر شده و نقاط خروجی کاربر که امکان این کاربردهای تقویت تصمیم، ویژة کاربر و همینطور ادغام با سایر کاربردها را فراهم می‌آورد.

هر گاه که ممکن باشد، ما ابزارهایی که از این مقوله ها استفاده می‌کند را مورد بحث قرار خواهیم داد. با این وجود ، به دلیل این که هدف این فصل ،‌ ایجاد یک بررسی کلی از ابزرهای برجسته و استخراج داده ها می‌باشد و صفات یا خصوصیات عملکرد که می‌توانیم تنها با انجام یک ارزیابی جامع از محصول با استفاده از داده‌ها بدست آوریم ، در این بحث در نظر گرفته نخواهد شد . دیگر این که فروشنده یک معیار منتشر شده یا اطلاعات بررسی کاربر در مورد عملکرد ابزار را فراهم نماید.

ارزیابی ابزار

ابزارهایی که بطور مفصل در این فصل بحث شد ، شامل کلمنتین (SPSS) ، کاکنوس 4t hought ، کاکنوس سناریو ، دینا ماینر دیتا مایند ) ، داروین ( اوراکل ) ایستگاه کاری استخراج بانک اطلاعاتی (HNC) سریهای تصمیم ( نئوویستا ) ، اینترپرایزماینر SAS . اینتلیجنت ماینر (IBM) ، نالوج سیکر و نالوج استادیو (AGNOSS) ، و مدل 1 و PRW ( یونیکا ) . ابزارهای دیگر بطور مختصر مورد بحث قرار می‌گیرند . سطح جزئیات موجود برای برخی از این ابزارها به دلیل فقدان تکامل محصول محدود می‌باشد . این ابزارها به ترتیب حروف الفبا مورد بحث قرار می‌گیرند.

کلمنیتین (SPSS)

بررسی ، کلمنیتین ، یک ابزار کاربرد استخراج داده ها از SPSS می‌باشد . این ابزار یک تداخل کاربر گرافیکی را با چندین نوع تکنیکهای تجزیه و تحلیل از جمله شبکه های عصبی به قوانین اتحاد و تکنیکهای القاء قانون ،‌ ترکیب می‌کند . این قابلیتهای فنی ، در یک محیط برنامه ریزی دیداری که استفاده از آن ساده است ارائه می‌شوند .

استعارة گرافیکی که کلمنتین استفاده می‌کند، استعارة گرفتن ، انداختن و اتصال گره های عمل روی صفحه است. گره هایی برای دسترسی داده ها ، ساخت داده‌ها ، تجسم داده ها ، یادگیری ماشین ، تجزیه و تحلیل مدل وجود دارد . فرایند توسعة مدلی مرکب از انتخاب گره های صحیح از یک پالت ، قرار داده آنها روی صفحه و اتصال گره ها می‌باشد.

کلمنتین دارای یک سری غنی از قابلیت های دسترسی اطلاعات از جمله فایلهای یکنواخت و بانکهای اطلاعاتی ارتباطی ( از طریق ODBC ) می‌باشد . بیشتر، کلمنتین قابلیت دائمی‌ساختن نتایج طراحی را از طریق نوشتن آنها در ODBC – Compliant DBMS دارد.

ساخت داده های ورودی شامل هماهنگی در نماها و توانایی اشتقاق حوزه های جدید ، می‌شود . قابلیت های تجسم داده های کلمین شامل نمودارهای پراکندگی ، طرحهای خطی و تجزیه و تحلیل وب می‌باشد.

کلمنتین روی سیستم های اینتل پنتیو اجرا می‌شود که سریهای ویندوز ، NT ، HP 9000 که HPUX10 و بالا سیلیکون گرافیکس که IRIX ، Sun SPARC که سولاریس 2.x و دیجیتال APLHA که دیجیتال UNIX 3.X یا VMS 6.X را اجرا می‌کند .

دسترسی به اطلاعات ساخت و پیش پردازش . کلمنتن فایهای متن تحریر شده ، فایلهای ارزش مجزا شده با کاما و فایلهای ثبت ثابت (ASCII) را وارد می‌کند . سایر منابع اطلاعاتی از طریق یک تداخل ODBC حمایت می‌شوند . سیستم های بانک اطلاعاتی ارتباطی اصلی ، از جمله اوراکل سیباس ، اینفورمیکس و CA-IN gres از طریق ODBC در دسترس می‌باشد.

قابلیت های ساخت داده های کلمنتین شامل موارد زیر می‌شود:

· ادغام ثبت ها از طریق توالی ثبت

· تراز داده ها با افزایش نسبت ثبت ها با خصوصیات ویژه

· تراکم تعیین شده کاربر

· تصفیه ثبتهای بیگانه و نامربوط

· اشتقاق جدید حوزه با استفاده از فرمولهای تعیین شدة‌ کاربر و اپراتورهای منطقی

· قابلیت های نمونه گیری داده هاا ، از جمله اولین و آخرین N ثبت ، 1 در N نمونه گیری ، و نمونه گیری اتفاقی تکنیک های استخراج داده ها ، الگوریتم ها و کاربردها

· کلمنتین ـ الگوریتم های القایی قانون ـ شبکه های عصبی و از جمله شبکه های کوهونن ، او قوانین مربوطه را تقویت می‌کند :

فهرست مطالب

عنوان

صفحه

بخش اول : تأثیر استخراج داده‌ها بر CRM.......................................................................... 1

فصل اول : روابط مشتری

مقدمه..................................................................................................................................... 2

استخراج داده‌ها چیست........................................................................................................... 5

یک نمونه .............................................................................................................................. 6

ارتباط با فرآیند تجاری .......................................................................................................... 8

استخراج داده‌ها و مدیریت روابط مشتری ................................................................................ 11

استخراج داده‌ها چگونه به بازاریابی بانک اطلاعاتی کمک می‌نماید............................................... 12

امتیاز دهی ............................................................................................................................. 13

نقش نرم‌افزار مدیریت مبارزه................................................................................................... 13

افزایش ارزش مشتری ............................................................................................................ 14

ترکیب استخراج داده‌ها و مدیریت مبارزه ................................................................................. 15

ارزیابی مزایای یک مدل اسخراج داده ها .................................................................................. 15

فصل دوم: استخراج داده‌ها و ذخیره داده‌ها- یک منظره مرتبط به هم

مقدمه ................................................................................................................................... 17

استخراج داده‌ها و ذخیره داده‌ها ، یک ارتباط ............................................................................ 18

بررسی ذخیره داده‌ها............................................................................................................... 21

ذخیره داده‌ها ROI................................................................................................................. 21

ذخایر داده های علمی واطلاعاتی ............................................................................................ 23

تعریف و خصوصیات یک مخزن اطلاعاتی ............................................................................. 30

معماری انبارداده‌ها ................................................................................................................. 34

استخراج داده‌ها ..................................................................................................................... 38

استخراج داده‌های تعریف شده ................................................................................................ 38

قملروهای کاربرد استخراج داده‌ها............................................................................................. 40

مقوله‌های استخراج داده‌ها و کانون تحقیق ................................................................................ 41

فصل سوم: مدیریت رابطه با مشتری

مقدمه..................................................................................................................................... 48

سودمندترین مشتری ............................................................................................................... 49

مدیریت رابطه مشتری............................................................................................................. 50

بانک اطلاعاتی متمرکز برمشتری ............................................................................................. 53

اداره مبارزات ........................................................................................................................ 54

تکامل تدریجی بازاریابی ........................................................................................................ 56

بازاریابی حلقه بسته ............................................................................................................... 57

معماریCRM....................................................................................................................... 57

نسل بعدیCRM................................................................................................................... 58

بخش دوم: بنیاد - تکنولوژیها و ابزار ....................................................................................... 60

فصل چهارم : اجزاء ذخیره سازی داده‌ها

مقدمه ................................................................................................................................... 61

معماری کلی ......................................................................................................................... 62

بانک اطلاعاتی انبار داده‌ها ...................................................................................................... 63

ابزارهای ذخیره‌سازی، تحصیل، تهذیب و انتقال ........................................................................ 64

متادیتا.................................................................................................................................... 65

ابزار دسترسی ........................................................................................................................ 70

دسترسی و تجسم اطلاعات .................................................................................................... 71

اصول مشاهده یا تجسم داده‌ها ................................................................................................ 72

ابزار بررسی و گزارش ........................................................................................................... 76

کاربردها ............................................................................................................................... 77

ابزار OLAP......................................................................................................................... 77

ابزارها استخراج داده‌ها ........................................................................................................... 78



خرید فایل



ادامه مطلب
برچسب‌ها: تأثیر، استخراج، داده‌ها، CRM
شنبه 13 آذر 1395 ساعت 01:25

دانلود پژوهش مدل energy- efficient مبنی بر تراکم داده‌ها برای شبکه های سنسور بی سیم

دانلود پژوهش مدل energy- efficient مبنی بر تراکم داده‌ها برای شبکه های سنسور بی سیم

توجه :

شما می توانید با خرید این محصول فایل " قلق های پایان نامه نویسی (از عنوان تا دفاع)" را به عنوان هدیه دریافت نمایید.

چکیده:

تراکم داده ها در شبکه های سنسور بی سیم افزونگی را حذف می کند تا مصرف پهنای باند و بازده انرژی گوه ها را توسعه دهد. این مقاله یک پروتکل تراکم داده های energy- efficient امن را که (Energy- Efficient Secure Pattern based Data Aggregation) ESPDA الگوی امن energy- efficient بر پایة تراکم داده ها) نامیده می شود ارائه می کند. برخلاف تکنیکهای تراکم داده های قراردادی، ESPDA از انتقال داده های اضافی از گره های سنسور به cluster- headها جلوگیری می کند. اگر گره های سنسور همان داده ها را تشخیص داده و دریافت کنند، ESPDA ابتدا تقریباً یکی از آنها را در وضعیت خواب (sleep mode) قرار می دهد و کدهای نمونه را برای نمایش مشخصات داده های دریافت و حس شده توسط گره های سنسور تولید می کند. Cluster- head ها تراکم داده ها را مبنی بر کدهای نمونه اجرا می کند و فقط داده های متمایز که به شکل متن رمز شده هستند از گره های سنسور به ایستگاه و مکان اصلی از طریق Cluster- headها انتقال یافته است. بعلت استفاده از کدهای نمونه، Cluster- headها نیازی به شناختن داده های سنسور برای اجرای تراکم داده‌ها ندارند. زیرا به گره های سنسور اجازه می دهد تا لینک های ارتباطی سرهم پیوسته (end-to-end) امن را برقرار کنند. بنابراین، نیازی برای مخفی سازی/ آشکار سازی توزیع کلید مابین Cluster- head ها و گره های سنسور نیست. بعلاوه، بکار بردن تکنیک NOVSF block- Hopping، امنیت را بصورت تصادفی با عوض کردن با نگاشت بلوک های داده ها به time slotهای NOVSF اصلاح کرده و آن را بهبود می بخشد. ارزیابی کارایی نشان می دهد که ESPDA روش های تراکم داده های قراردادی را به بیش از 50% در راندمان پهنای باند outperform می کند.

عناوین :

چکیده
1- مقدمه
2- تراکم داده ها در ESPDA (Data Aggregation in ESPDA)
1-2- هماهنگی وضعیت بیداری- خواب (Sleep- Active mode coordination)
2-2- بکاربردن کدهای نمونة تراکم داده‌ها: (Data aggregation using pattern codes)
1-2-2- مثالی برای Pattern generation
3-2- مقایسة نمونه با (pattern comparison by cluster-head)
3- پروتکل امنیتی در (Security protocol in ESPDA) ESPDA
1-3- الگوریتم های امنیتی (Security algorithms)
2-3- تکنیک NOVSF Block hopping
4- ارزیابی کارایی (Performance Evaluation)
1-4- پروتکل وضعیت خواب فعال (sleep- active mode protocol)
2-4- بازده انرژی نمونه مبنی بر تراکم داده ها
3-4- ارزیابی کارایی پروتکل امنیتی (Performance evaluation of ESPDA Security Protocol)
5- نتیجه‌گیری



خرید فایل



ادامه مطلب
جمعه 12 آذر 1395 ساعت 13:21

مطالعه اصول و روش‌های عملیات آماری داده‌ها

مطالعه اصول و روش‌های عملیات آماری داده‌ها


این کتاب مقدمه‌ای است بر مطالعه اصول و روش‌هایی که در عملیات آماری داده‌ها در رشته‌های مختلف علوم رفتاری بخصوص روان‌شناسی ـ آموزش و .. مورد استفاده قرار می‌گیرد.

مطالعه علم آمار در تمامی رشته‌ها و در تمامی حوزه‌های علمی، یکی از ضروریات محسوب می‌گردد و این امر به دلیل اهمیتی است که علم آمار به عنوان یک علم روش شناختی دارا می‌باشد. علم آمار در چند دهه اخیر از اهمیت بیشتری برخوردار شده و در کلیه حیطه‌های روش شناختی، جایگاه معتبری را به خود اختصاص می‌دهد. عواملی که منجر به رشد وسیع این علم در حوزه‌های دانش شده است ، به موازات افزایش حیطه‌های دانش و به دنبال آن نقش آزمایش و جمع‌آوری داده‌ها به منظور استنتاج نتایج مفید و کاربردی بیش از پیش گشته است. به همان نسبت که علم راه رشد را طی می‌نمود، آمار نیز به عنوان شاخه‌ای از علم روش شناختی پلکان ترقی را طی کرده و ضرورت حضور آن در اغلب حیطه‌های دانش برملا شده است.

امروزه زبان آمار به منزله معتبرترین زبان علمی به شمار می‌رود طوریکه برای فهم و درک مخاطبین علم، آشنایی با زبان معتر آن ، ضروری است. در اغلب کتاب‍ها و مجله‌هایی که به ارائه نتایج مختلف آزمایشی و نظریه‌های گوناگون و اکتشافات .تفاوت پرداخته شده ، رگه‌هایی از روش‌ها و فنون و اصطلاحات آماری به چشم می‌خورد که مبنای فهم مطلب می‌باشد، بنابراین آشنایی با این اصطلاحات در تمامی رشته‌ها ضروریست.

علم آمار به منزله یک چارچوب مفهومی و روش شناختی علمی تلقی می‌گردد و در مراحل مختلف کسب دانش ، اهداف و فرایندهای کسب نظریه را پیش پای پژوهشگر قرار می‌دهد و به عنوان یک نقشه طراحی شده ، فعالیت پژوهشگر را در یک چارچوب معین قرار داده و آن را هدایت می‌نماید. بنابراین، آموزش و یادگیری آمار به منزله آموزش روش علمی است که در بسط و گسترش علم, نقش فزاینده‌ای را به خود اختصاص می‌دهد.

در نهایت می‌توان مطرح نمود که آمار ابزاری معتبر، جهت پیشبرد اهداف و اکتشافات علمی محسوب می‌شود، زیرا آزمایش فرایندی است که دارای چرخه مشخص و معینی می‌باشد. در این چرخه آزمایشگر فرایندی است که دارای چرخه مشخص و معینی می‌باشد. در این چرخه آزمایشگر می2بایست از طراحی آزمایش شروع کند و به مرحله نهایی که تفسیر نتایج است برسد. به بیان دیگر آزمایشگر موظف است بر اساس اصول علمی و راهبردهای روش شناختی به طراحی چارچوب آزمایش بپردازد و در این راستا، طراحی را بگونه‌ای شکل دهد که قادر به تحلیل داده‌های جمع‌آوری شده باشد و در نهایت بتواند با تاکید بر اصول علمی ، داده‌های تحلیل شده را تفسیر نماید و به گونه‌ای بنیادی و یا کاربردی از تفسیر نتایج استفاده بعمل آورد. از أن جایی که تمامی علوم به نوعی از این چرخه پیروی نموده و بر مبنای فرایند حاکن بر آن ، به نظریات گوناگون دست می‌یابند، پس مطالعه علم آمار در تمامی رشته‌ها ضروری است، اما همانطور که مشاهده می‌شود اصل آماری که در هر یک از رشته‌های مختلف تدریس می‌گردد، تا حدودی متفاوت است . این امر بدلیل متفاوت بودن اصول آماری نیست بلکه این اختلاف به دلیل متفاوت بودن اصول آماری نیست بلکه این اختلاف به دلیل متفاوت بودن حوزه‌های مورد مطالعة هر یک از علوم می‌باشد. زیرا همانطور که می‌دانیم هر یک از شاخه‌های علمی در پژوهش‌هایشان به بررسی مسائل خاصی می‌پردازند و اهدف متفاوتی را دنبال می‌کند. بنابراین ، صورت مسئله در هر یک از رشته‌ها مختلف بوده و از سوی دیگر برای پاسخگویی به این مسایل ، داده‌های متفاوتی را جمع‌آوری می‌نماید و از ابزارهای متنوعی استفاده می‌کنند، در نتیجه بدیهی است که باید از اصول خاصی نیز جهت تحلیل و تفسیر این داده‌ها بهره‌گیرند. از این رو ، اهمیت کاربرد اصول مختلف آماری در حوزه‌های گوناگون علمی متفاوت بوده و این امر زمینه ساز اختلاف بین روش‌های آماری تدریس شده در هر رشته می‌باشد. یعنی با تاکید بر نیاز هر رشته با اصول آماری، مبنای یادگیری آن معین شده است.

فهرست مطالب:

پیشگفتار

فصل اول ـ تعاریف مقدماتی h

1-1کج فهمی‌های رایج در مورد علم آمار

2-1کج فهمی‌ رایج آمار، به عنوان علم سرشماری

3-1کج‌فهمی رایج آمار، به عنوان علم کمیت

4-1کج‌فهمی رایج آمار ، به عنوان علم تخصصی

5-1تعریف علم آمار

6-1آمار توصیفی و استنباطی

خلاصه فصل

چارت فصل اور

خودآزمایی

سوالات چهارگزینه‌ای


فصل دوم ـ مفهوم‌سازی متغیر

1-2 جایگاه ویژه متغیر

2-2 متغیر کمی و کیفی

3-2 متغیر پیوسته و گسسته

4-2 متغیر مستقل و وابسته

5-2 متغیر کنترل و ویژگی ثابت

6-2 متغیر تعدیل‌کننده و تصادفی

خلاصه فصل

چارت فصل دوم

خودآزمایی

سوالات چهارگزینه‌ای


فصل سوم ـ مفرضه‌های اندازه‌گیری

1-3 اندازه‌گیری

2-3 ویژگی‌های مقایس‌های اندازه‌گیری

3-3 انواع مقیاس‌های اندازه‌گیری

4-3 ارزشیابی تشخیصی

5-3 ارزشیابی تکوینی

6-3 ارزشیابی تراکمی

خلاصه فصل

چارت فصل سوم

خودآزمایی

سوالات چهارگزینه‌ای


فصل چهارم ـ نمایش ارقامی

1-4 داده‌های تجربی و آماری

2-4 اهمیت جدول‌بندی داده‌ها

3-4 توزیع فراوانی ساده

4-4 توزیع فراوانی نسبی و نسبی درصدی

5-4 جدول توزیع فراوانی گروهبندی شده

خلاصه فصل

چارت فصل چهارم

خودآزمایی

سوالات چهارگزینه‌ای


فصل پنجم ـ نمایش تصویری

1-5 اهمیت نمایش تصویری داده‌ها

2-5 نمودار دایره‌ای

3-5 نمودار میله‌ای

4-5 نمودار چند ضلعی

5-5 نمودار فراوانی تراکمی

6-5 نمودار هسیتوگرام

خلاصه فصل

چارت فصل پنجم

خودآزمایی

سوالات چهارگزینه‌ای


فصل ششم ـ توزیع‌های نظری

1-6 توزیع‌های نظری و تجربی

2-6 توزیع نرمال

3-6 کشیدگی مثبت و کشیدگی منفی

4-6 کجی مثبت و کجی منفی

5-6 توزیع U ،J و L شکل

6-6 توزیع مربع و مستطیل شکل

خلاصه فصل

چارت فصل ششم

خودآزمایی

سوالات چهارگزینه‌ای


فصل هفتم ـ شاخصآهای گرایش مرکزی

1-7 مفروضه شاخص‌های گرایش مرکزی

2-7 نما و ویژگی‌های آن

3-7 میانه و ویژگی‌های آن

4-7 میانگین حسابی و ویژگی‌های آن

5-7 انواع میانگین

6-7 نکتی در زمینه شاخص گرایش مرکزی میانگین

7-7 مقایسه و کاربردهای نما، میانه و میانگین

خلاصه فصل

خودآزمایی

سوالات چند گزینه‌ای


فصل هشتم ـ شاخص‌های پراکندگی

1-8 دامنه تغییرات

روش محاسبه دامنه تغییرات

2-8 انحراف دهکی

3-8 انحراف پنجکی

4-8 انحراف چارکی

5-8 انحراف متوسط

6-8 واریانس

7-8 انحراف استاندارد

8-8 مقایسه و کاربرد شاخص‌های پراکندگی

خلاصه فصل

خودآزمایی

سوالات چند گزینه‌ای

سوالات تشریحی


فصل نهم ـ منحنی استاندارد

1-9 مفهوم توزیع نرمال

2-9 ویژگی‌های توزیع نرمال

3-9 منحنی استاندارد و ویژگی‌های آن

4-9 سطوح زیر منحنی استاندارد

5-9 تبدیل نمره Z به دیگر مقیاسهای استاندارد

6-9 کاربرد جدول Z

خلاصه فصل

خودآزمایی

سوالات چند گزینه‌ای


فصل دهم ـ ضریب همبستگی

1-10 نمودارهای پراکندگی

2-10 جهت همبستگی

3-10 میزان همبستگی

4-10 انواع ضریب همبستگی

5-10 ضریب همبستگی پیرسون

6-10 ضریب همبستگی رتبه‌ای اسپیرمن

8-10 تفسیر ضریب همبستگی

خلاصه فصل

چارت فصل دهم

خودآزمایی

سوالات چندگزینه‌ای


پاسخ خودآزمایی و سوالات چهارگزینه‌ای

خودآزمایی فصل اول

سوالات چهارگزینه‌ای فصل اول

خودآزمایی فصل دوم

سوالات چهارگزینه‌ای فصل دوم

خودآزمایی فصل سوم

سوالات چهارگزینه‌ای فصل سوم

خودآزمایی فصل چهارم

سوالات چهارگزینه‌ای فصل چهارم

خودآزمایی فصل پنجم

سوالات چهارگزینه‌ای فصل پنجم

خودآزمایی فصل ششم

سوالات چهارگزینه‌ای فصل ششم

خودآزمایی فصل هفتم

سوالات چهارگزینه‌ای فصل هفتم

خودآزمایی فصل هشتم

سوالات چهارگزینه‌ای فصل هشتم

خودآزمایی فصل نهم

سوالات چهارگزینه‌ای فصل نهم

خودآزمایی فصل دهم

سوالات چهارگزینه‌ای فصل دهم



خرید فایل



ادامه مطلب
چهارشنبه 10 شهریور 1395 ساعت 02:05

پایان نامه مدل energy- efficient مبنی بر تراکم داده‌ها برای شبکه های سنسور بی سیم

پایان نامه مدل energy- efficient مبنی بر تراکم داده‌ها برای شبکه های سنسور بی سیم تعداد صفحات: 45 فرمت: WORD و قابل ویرایش چکیده: تراکم داده ها در شبکه های سنسور بی سیم افزونگی را حذف می کند تا مصرف پهنای باند و بازده انرژی گوه ها را توسعه دهد. این مقاله یک پروتکل تراکم داده های energy- efficient امن را که (Energy- Efficient Secure Pattern based Data Aggregation) ESPDA الگوی امن energy- efficient بر پایة تراکم داده ها) نامیده می شود ارائه می کند. برخلاف تکنیکهای تراکم داده های قراردادی، ESPDA از انتقال داده های اضافی از گره های سنسور به cluster- headها جلوگیری می کند. اگر گره های سنسور همان داده ها را تشخیص داده و دریافت کنند، ESPDA ابتدا تقریباً یکی از آنها را در وضعیت خواب (sleep mode) قرار می دهد و کدهای نمونه را برای نمایش مشخصات داده های دریافت و حس شده توسط گره های سنسور تو ...



ادامه مطلب
سه‌شنبه 9 شهریور 1395 ساعت 10:13

دانلود پاورپوینت داده کاوی الگوهای تکرارشونده در جریان داده‌ها

پاورپوینت داده کاوی الگوهای تکرارشونده در جریان داده‌ها         در زیر به مختصری ازعناوین و چکیده آنچه شما در این فایل دریافت می کنید اشاره شده است   جریان داده   ■ بسیاری از برنامه های کاربردی نوع داده جدیدی به نام جریان داده را تولید و تحلیل می کنند که در آن داده ها به صورت پویا به یک بستر ( یا پنجره ) وارد و یا از آن خارج می شوند . ■ خواص جریان داده : ■ حجم زیاد و گاه نامحدود ■ تغییرپویا ■ جریان به درون و خارج با یک ترتیب مشخص ■ پیمایش یکبار یا تعدا د محدود ■ نیازمند زمان پاسخ سریع ( اغلب بلادرنگ ) ■ ممکن است دارای چندین منبع باشند .   ■ در جریان داده تعدادی یا همه داده های ورودی که باید روی آنها عملیات انجام شود روی دیسک یا حافظه اصلی قرار ندارند و بیشتر به صورت جریان دا ...



ادامه مطلب