Taikomoji programa regresinės analizės studijoms

Ištrauka

Informacinių technologijų Bakalauro baigiamasis darbas
Taikomoji programa regresinės analizės studijoms

Turinys
Sutartinis terminų žodynas 3
Santrauka 4
Summary 5
Įvadas 6
1. Ugdymo siekiniai 7
1.1. Į dėstytoją orientuotas požiūris 7
1.2. Į studentą orientuotas požiūris 7
1.3. Bloom taksonomija 8
1.3.1. Originali Bloom taksonomija 8
1.3.2. Atnaujinta Bloom taksonomija 9
2. Tiesinė regresija 11
2.1. Teorinis modelis 12
2.2. Regresijos tiesė 13
2.3. Tiesinės lygties tinkamumas 14
2.4. Regresinis prognozavimas 20
3. Taikomoji programa 21
3.1. Programos funkcionalumas ir reikalavimai 21
3.2. Panaudotos technologijos 23
3.3. UML Diagramos 24
3.3.1. Naudojimo atvejų diagrama 25
3.3.2. Klasių diagrama 26
3.3.3. Vartotojo veiklų diagrama 29
3.3.4. Administratoriaus veiklų diagrama 30
3.3.5. Duomenų bazės schema 31
3.4. Programos išeities kodo struktūra 32
3.5. Pradiniai duomenys 34
3.6. Iškilusios problemos 35
Išvados ir rekomendacijos 36
Ateities tyrimų planas 37
Literatūros šaltiniai 38
Priedai 40
A.Programos paleidimo instrukcijos 40

Įvadas
Šiomis dienomis dėl vis didėjančios skaitmenizacijos bei technologinio progreso žmonija su-
kuria vis daugiau ir daugiau duomenų. Šiuolaikinė visuomenė šiuos duomenis panaudoja tam,
kad sukurtų daugiau duomenų, taip dar labiau padidindami jų kiekį. Tai reiškia, kad šiais laikais
gebė- jimas dirbti su ir suprasti šį vis svarbesnį mūsų gyvenimo aspektą tampa labai aktualus.
Čia labai svarbus statistikos mokslas. Viena svarbiausių statiskos dalių yra prognozavimas
pasitelkiant eg- zistuojančius duomenis. Ar tai būtų paprastos kasdieninės prognozės, ar dalis
sudėtingų mašininio mokymosi algoritmų, statistinės prognozės yra labai naudingos. Jų tipų yra
daug. Šiame darbe sutelksiu dėmesį į tiesinę regresinę analizę. Šis analizės būdas gali padėti
prognozuoti įvairius duomenis. Reikia daug žinių ir įgūdžių, norint sudaryti duomenims tinkamą
regresijos modelį ir jį taikyti prognozėms. Yra daug įvairių interaktyvių statistikos studijoms
skirtų priemonių, kuriose vyrauja į dėstytoją orientuotas požiūris [11]. Joms būdingas dalykinis
studijų medžiagos organi- zavimas - statistikos temomis, pateikiant teorinę medžiagą ir praktines
užduotis, pavyzdžiui [12], [5], [10]. Jose vyrauja navigacinis interaktyvumas, yra adaptyvumo
elementų. Siekiant padėti efektyviau įsisavinti naują, sudėtingą informaciją, reikia pasirinkti
tinkamus mokymo metodus. Seni požiūriai į ugdymą gali būti nelabai efektyvūs siekiant
geresnių studijų rezultatų. Darbo tiks- las yra sukurti interaktyvią priemonę paprastosios tiesinės
regresijos mokymuisi taikant rezultatais grįsto mokymo metodologiją. Darbo uždavinai:
1. Išanalizuoti Benjamin Bloom taksonomiją.
2. Išanalizuoti paprastosios tiesinės regresijos modelį, jo suderinamumo su duomenimis 
patik- rinimo būdus ir taikymą prognozėms.
3. Sukurti taikomąją programą paprastosios tiesinės regresijos žinių gebėjimų pasitikrinimui 
pagal pirmuosius keturis B. Bloom taksonomijos lygius.
Visi darbo uždaviniai buvo atlikti ir darbo tikslas pasiektas. Sukurtoji programa yra pridėta pir-
mame darbo priede A. Darbo aprašymo pagrindinę darbo dalį sudaro trys skyriai. Pirmajame
skyriuje apžvelgiamos ugdymo metodologijos, B. Bloom ugdymo siekinių klasifikavimas ir įver-
tinimo metodai kiekvienam lygiui. Antrajame skyriuje analizuojamas tiesinės regresijos modelis,
jo suderinamumos su duomenimis patikrinimo ir taikymo prognozėms būdai. Trečiajame
skyriuje pristatoma sukurtos taikomosios programos struktūra, sukūrimui taikytos technologijos,
sugalvoti problemų sprendimai, pagrindžiamas sprendimų pasirinkimas. Darbe taip pat yra
pateiktas sutarti- nis terminų žodynas, darbo santrauka lietuvių ir anglų kalbomis, įvadas, išvados
ir rekomendacijos, ateities tyrimų planas ir literatūros sąrašas.