- •1.Определение одномерной случайной величины
- •6. Характеристики многомерной случайной величины
- •7. Корреляционная функция одномерной случайной величины
- •8. Корреляционная функция многомерной случайной величины
- •9. Определение корреляционной функции
- •10. Дисперсия одномерной случайной величины
- •11. Дисперсия многомерной случайной величины
- •12. Оценка вида закона распределения одномерной случайной величины
- •13. Оценка вида закона распределения многомерной случайной величины
- •14. Проверка статистических гипотез о виде закона распределения
- •15. Корреляционный анализ
- •16. Регрессионный анализ
- •17. Дисперсионный анализ
- •18. Построение уравнения регрессии
- •19. Метод наименьших квадратов
- •20. Остаточная дисперсия
- •27. Многомерные кубы в olap
- •28. Виды аналитической обработки данных
- •29. Хранилища данных (Data Warehouse)
- •30. Интеллектуальный анализ данных (Data Mining)
- •31. Принцип многомерного представления данных
- •32. Многомерный olap (molap)
- •33. Системы оперативной аналитической обработки реляционных данных
- •34. Реляционные субд
- •35. Многомерные субд
- •36. Постреляционные субд
- •37. Три стадии интеллектуального анализа данных
- •38. Многомерный интеллектуальный анализ данных
- •39. Интеллектуальный анализ данных с непосредственным использованием обучающих данных
- •40. Интеллектуальный анализ данных с выявлением и использованием закономерностей
32. Многомерный olap (molap)
MOLAP (Multidimensional OLAP – многомерные OLAP системы). Этот вид OLAP систем относится к традиционным системам. Отличие традиционной OLAP системы, от других систем, заключается в предварительной подготовке и оптимизации данных. Эти системы, как правило, используют выделенный сервер, на котором осуществляется предварительная обработка данных. Данные формируются в многомерные массивы – OLAP кубы.
MOLAP системы являются самыми эффективными при обработке данных, т.к. они позволяют легко реорганизовать и структурировать данные под различные запросы пользователей. Аналитические инструменты MOLAP позволяют выполнять сложные расчеты. Другим преимуществом MOLAP является возможность быстрого формирования запросов и получения результатов. Это обеспечивается за счет предварительного формирования OLAP кубов.
К недостаткам MOLAP системы относится ограничение объемов обрабатываемых данных и избыточность данных, т.к. для формирования многомерных кубов, по различным аспектам, данные приходится дублировать.
33. Системы оперативной аналитической обработки реляционных данных
(ROLAP)
1. ROLAP (Relational OLAP – реляционные OLAP системы) – этот вид OLAP системы работает с реляционными базами данных. Обращение к данным осуществляется напрямую в реляционную базу данных. Данные хранятся в виде реляционных таблиц. Пользователи имеют возможность осуществлять многомерный анализ как в традиционных OLAP системах. Это достигается за счет применения инструментов SQL и специальных запросов.
Одним из преимуществ ROLAP является возможность более эффективно осуществлять обработку большого объема данных. Другим преимуществом ROLAP является возможность эффективной обработки как числовых, так и текстовых данных.
К недостаткам ROLAP относится низкая производительность (по сравнению с традиционными OLAP системами), т.к. обработку данных осуществляет сервер OLAP. Другим недостатком является ограничение функциональности из-за применения SQL.
34. Реляционные субд
Реляционная СУБД (РСУБД; иначе Система управления реляционными базами данных, СУРБД) — СУБД, управляющая реляционными базами данных.
Понятие реляционный связано с разработками известного английского специалиста в области систем баз данных Эдгара Кодда (Edgar Codd).
Эти модели характеризуются простотой структуры данных, удобным для пользователя табличным представлением и возможностью использования формального аппарата алгебры отношений и реляционного исчисления для обработки данных. Реляционная модель ориентирована на организацию данных в виде двумерных таблиц.
35. Многомерные субд
В СУБД, основанных на многомерном представлении данных, данные организованы не в форме реляционных таблиц, а в виде упорядоченных многомерных массивов: гиперкубов и/или витрин данных, представляющих собой предметно-ориентированные подмножества хранилища данных, спроектированные для удовлетворения нужд отдельной группы пользователей и удовлетворяющие требованиям защиты от несанкционированного доступа в организации; они обеспечивают более быструю реакцию на запросы сведений за счет того, что обращения поступают к относительно небольшим блокам данных, необходимых для конкретной группы пользователей.