Автор: Пользователь скрыл имя, 18 Ноября 2011 в 02:31, отчет по практике
Технология программирования – это система методов, способов и приемов разработки и отладки программ.
Введение ……………………………………………………………………….....3
1 Выбор технологии, языка и среды программирования ………….……….....5
2 Анализ и уточнение требований к программному продукту ………….........9
2.1 Анализ процесса обработки информации и описание структуры данных
для ее хранения ………………………………………………………………......9
2.2 Выбор методов и разработка основных алгоритмов решения задачи ….. 10
3 Разработка функциональной схемы программного продукта ………….......15
4 Проектирование классов предметной области ………………………….…..16
4.1 Построение диаграммы классов ………………………………………....... 16
4.2 Уточнение структуры классов предметной области и разработка
алгоритмов .….……………………………………………………………….......17
5 Выбор стратегии тестирования и разработки тестов ……………………... .18
Заключение …………………………………………………………………...... .22
Список использованных источников ……………………………...…............. .23
Приложение А Техническое задание ………………………………...…….......24
Приложение Б Руководство пользователя ………………………….........…... 27
Приложение В Листинг программы …………………………………...............29
Рисунок
1 Схема связей
Программой производится анализ входных данных по соответствующему алгоритму, и полученные результаты выводятся на экран.
В
общем виде работа программного средства
может быть представлена в форме диаграммы
вариантов использования, представленной
на рисунке 2.
Рисунок
2 – Диаграмма вариантов
Таким
образом, все данные для расчетов
берутся из БД. Программное средство
производит корреляционно-регрессионный
анализ данных и помогает пользователю
обосновать установление определенных
тарифов на пользование услугами сети
Интернет.
Для решения задачи анализа данных выбран корреляционно-регрессионный анализ.
Для решения задачи автоматизация информационного процесса ценообразования за пользование услугами Интернет выбран корреляционно-регрессионный анализ.
На основе данных, хранящихся в базе, производится попытка определить зависимость возможности оборудования, спроса на подключение и затраты на подключение.
Рассмотрим более подробно математический аппарат, используемый при данном виде анализа статистических данных.
Регрессионный анализ /12/ — это статистический метод исследования зависимости случайной величины -отклик от переменной ( ) или переменных ( ) – предикторы; рассматриваются в регрессионном анализе как неслучайные величины, независимо от истинного закона их распределения. В выходе регрессионного анализа при помощи выбранного метода: строится математическая модель, описывающая форму связи переменных – уравнение регрессии. Как правило, регрессионному анализу предшествует анализ корреляционной зависимости переменных, который позволяет установить наличие связи между анализируемыми переменными, оценить ее тесноту и определить направление (прямая или обратная связь
В ходе множественного корреляционного анализа рассчитываются следующие характеристики:
- парные коэффициенты корреляции – оценки тесноты линейной корреляционной связи между всеми парами анализируемых признаков с учетом их взаимного влияния и взаимодействия. Совокупность парных коэффициентов корреляции, относящихся ко всем исследуемым признакам, может быть представлена в виде корреляционной матрицы R, которая рассчитывается по формуле
где – матрица стандартизованных значений исходных переменных. Ее элементы рассчитываются по формуле
На главной диагонали матрицы R стоят дисперсии стандартизованных переменных, а все другие элементы — парные коэффициенты корреляции ;
-множественный коэффициент корреляции характеризует степень тесноты связи между результативным признаком (откликом) и всеми факторными признаками (предикторами – );
-множественный коэффициент детерминации характеризует долю дисперсии результативной переменной, обусловленную влиянием факторных переменных, участвующих в анализе. На основе корреляционной матрицы R множественный коэффициент корреляции и множественный коэффициент детерминации могут быть исчислены следующим образом:
где – определитель матрицы парных корреляций, – определитель матрицы парных корреляций, полученной после вычеркивания строки и столбца, представляющих связи зависимой переменной ( ).
В
множественном регрессионном
Обычно предполагается, что случайная величина ( ) имеет нормальный закон распределения с условным математическим ожиданием и постоянной, не зависящей от аргументов дисперсией . В анализе чаще всего используются уравнения регрессии линейного вида
Коэффициенты регрессии показывают, на какую величину в среднем изменяется результативный признак , если независимая переменная , изменяется на единицу ее измерения.
В матричной форме регрессионная модель имеет вид , где – случайный вектор-столбец размерности ( ) наблюдаемых значений результативного признака ( ); X – матрица размерности ( ) наблюдаемых значений аргументов. Элемент матрицы рассматривается как неслучайная величина ( ; ; ); А – вектор-столбец размерности ( ) неизвестных параметров, подлежащих оценке в ходе регрессионного анализа (вектор коэффициентов регрессии); - случайный вектор-столбец размерности ( ) – вектор остатков, которые являются независимыми нормально распределенными случайными величинами с нулевым математическим ожиданием ( ) и неизвестной дисперсией .
Для расчета вектора оценок коэффициентов регрессии по методу наименьших квадратов используется формула , где
; ; ;
– транспонированная матрица X; – матрица, обратная матрице .
После того как рассчитано само уравнение регрессии и перечисленные выше характеристики корреляционных связей, необходимо убедиться в адекватности полученных результатов.
Значимость уравнения регрессии в целом, т.е. нулевая гипотеза , проверяется по F-критерию Фишера. Его наблюдаемое значение определяется по формуле
,
где , .
При заданных , , , находят критерия Фишера по известным таблицам. Гипотеза отклоняется с вероятностью , если . Из этого следует, что уравнение является значимым, т.е. хотя бы один из коэффициентов регрессии существенно отличен от нуля.
Алгоритм корреляционно-регрессионного анализа показан на диаграмме состояний (Рисунок 3).
Рисунок 3 – Диаграмма деятельности
На
данной диаграмме представлены основные
этапы корреляционно-
Таким образом, в данном пункте был произведен анализ и уточнение требований к программному продукту. Вся информация для программного средства берется из базы данных, которая представляет собой совокупность таблиц, содержащих необходимую информацию. Целью расчетно-графического задания является создание автоматизация информационного процесса ценообразования за пользование услугами Интернет. Наиболее подходящим методом статистического анализа для решения поставленной задачи является корреляционно-регрессионный анализ.
Функциональная схема программного продукта строится с целью однозначного понимания всех функций, выполняемых данной АИС.
Разработанная функциональная схема представлена на рисунке 4. На первом этапе выполнения программы происходит выбор исходных данных из БД, далее производится корреляционно-регрессионный анализ и вывод полученных данных на экран.
Рисунок
4 – Функциональная схема
Таким образом, в соответствии с функциями, реализованными в программном средстве, была построена функциональная схема, показанная на рисунке 4.
Диаграмма классов определяет типы классов системы и различного рода статические связи, которые существуют между ними. На диаграмме классов изображаются атрибуты классов, операции классов и ограничения, которые накладываются на связи между объектами. Диаграммы классов соответствуют статическому виду системы сточки зрения проектирования.
При
моделировании объектно-
Для реализации математического аппарата разрабатываемой АИС был выбран корреляционно-регрессионный анализ. Алгоритм данного метода представлен в виде диаграммы состояний, изображенной на рисунке 3. Основные этапы алгоритма:
1. Выбор данных из БД.
2. Вычисление корреляционной матрицы.
3. Вычисление коэффициентов корреляции и детерминации.
4. Составление и решение системы уравнений для нахождения коэффициентов регрессии методом наименьших квадратов.
5. Проверка адекватности уравнения регрессии.
Класс «Матрица» (Matrix) предоставляет все операции с матрицами, которые необходимы для анализа. Данный класс работает независимо от размерности матрицы. Входящие в него методы позволяют вывести матрицу на экран и найти:
- определитель матрицы;
- транспонированную матрицу;
- обратную матрицу;
- результат умножения одной матрицы на другую;
- стандартизированную матрицу;
- подматрицу (путем вычеркивания некоторой строки и некоторого столбца).
Класс «Rezolv_MatOz_Disp» позволяет производить расчет математического ожидания и дисперсии для заданной матрицы, для ее нормирования.
Класс «Korel_Analiz» позволяет произвести корреляционный анализ исходных входных данных.