УЗНАЙ ЦЕНУ

(pdf, doc, docx, rtf, zip, rar, bmp, jpeg) не более 4-х файлов (макс. размер 15 Мб)


↑ вверх
Тема/ВариантРазработка интерактивного интерфейса учебной программы для наглядного представления теоремы Байеса и расчета условных вероятностей
ПредметИнформационные технологии
Тип работыконтрольная работа
Объем работы29
Дата поступления12.12.2012
690 ₽

Содержание

Ведение............................ 3 1. История теоремы Байеса и теория вероятностей ........... 4 1.1 Законы теории вероятности.................. 5 1.2 Законы сложения вероятности....................6 1.3 Условные вероятности.....................6 2.Формула Байеса........................ 9 2.1 Доказательство Теоремы Байеса...............10 2.2 Решение с помощью Теорема Байеса.............10 3.Разработка интерактивного интерфейса учебной программы............................ 11 3.1 Основные принципы создания интерфейса........... 12 3.2 Размещение информации на экране ............. 13 3.3 Выделение элементов интерфейса яркостью........... 14 3.4 Использование цвета при проектировании интерактивного интерфейса........................ 15 3.5 Непротиворечивость и стандартизация.............. 16 3.6 Тексты и диалоги..................... 16 3.7 Средства управления Графического интерфейса пользователя.. 17 3.8 Формы........................... 18 3.9 Дизайн заголовков и полей..................19 3.10 Формы ввода........................20 3.11 Общие принципы проектирования...............20 3.12 Проектирование сообщений.................21 3.13 Предотвращение, обнаружение и исправление ошибок.....21 3.14 Обработка ошибок в формах ввода...............22 4. Описание учебной программы для наглядного представления теоремы Байеса и расчета условных вероятностей ...............................23 Заключение..............................25 Литература............................26

Введение

Бейеса теорема (в теории вероятностей), одна из основных теорем элементарной теории вероятностей. Названа по имени установившего её английского математика Т. Байеса (Th. Bayes, 18 в.). Его работа по теории вероятности вышла уже после смерти, в 1763 году, и в ней Байес ответил на один из вопросов, оставленных открытым основателем теории вероятности де Муавром[14]. Впрочем, стоит подчеркнуть, что теорема Байеса - это для нас несложное следствие очевидных свойств вероятности. Теорема Байеса имеет дело с расчетом вероятности верности гипотезы в условиях, когда на основе наблюдений известна лишь некоторая частичная информация о событиях. Другими словами, по формуле Байеса можно более точно пересчитывать вероятность, беря в учет как ранее известную информацию, так и данные новых наблюдений. Теорема Байеса описывает, как посчитать условную вероятность события. Это модель разумного выбора при неполноте либо неточности исходных данных[12,26]. Теорема Байеса применима ко всем процессам обучения на опыте, а так же применяется в таких областях, как медицина, стратегическое планирование, финансы и экономика. Расчет условных вероятностей в целом связан с затруднениями, в том числе и с психологическими (с которыми сталкиваются учащиеся в процессе применения теории вероятностей для решения практических задач). Теорема Байеса позволяет особым образом считать условные вероятности. Отсюда цель создать учебное средство для облегчения понимания сути теоремы и расчета условных вероятностей для конкретных задач. Отсюда и актуальность работы. Нужно решить следующие задачи: 1. Разработать интерактивный интерфейс учебной программы и реализовать саму программы для наглядного представления теоремы Байеса и расчета условных вероятностей. 2. Отобразить информацию настолько эффективно насколько это возможно для человеческого восприятия и структурировать отображение на дисплее таким образом, чтобы привлечь внимание к наиболее важным единицам информации: минимизировать общую информацию на экране и представить только то, что является необходимым для пользователя. Соответственно работа состоит из следующих частей: o Глава 1. Теоретический анализ проблемы, связанной с теоремой Байеса. o Разработка интерактивного интерфейса учебной программы для наглядного представления теоремы Байеса. o Проведение опроса с использованием интерактивного интерфейса учебной программы для наглядного представления теоремы Байеса с целью проверки предложенной гипотезы - тестирование небольшой группы испытуемых (студентов).

Литература

1. Таха Х.А., Введение в исследование операций, Вильямс, Киев, 2005. 2. Терехов С.А., Лекции по нейроинформатике, МИФИ, М., 2003. 3. Хабаров С., Экспертные системы, M., 2003. 4. Чернова Н.И., Математические методы и исследование операций в эк., М., 2000. 5. http://www.ai.mit.edu/? murphyk/Software/BNT/bnsoft.html. Описание программных продуктов для работы с байесовскими сетями. 6. Берд Киви. Теорема преподобного Байеса // Журнал "Компьютерра", 24 августа 2001 г. 7. "Элементарный курс теории вероятностей" К.Л.Чжун, Ф. АитСахлия. Москва. БИНОМ, 2007. 8. В. Е. Гмурман, Руководство к решению задач по теории вероятностей и математической статистике. Учебное пособие. 9. Borland Delphi 6. Руководство разработчика. Стив Тейксейра, Ксавье Пачеко. 10. Григорян А.А. Закономерности и парадоксы развития Теории Вероятностей. - М.: УРСС, 2004. - 120 с. 11. Omoigui N.A., Silver M.J., Rybicki L.A., Rosenthal M., Berdan L.G., Pieper K., et al. Influence of a randomized clinical trial on practice by participating investigators: lessons from the Coronary Angioplasty Versus Excisional Atherectomy Trial (CAVEAT). CAVEAT I and II Investigators. J Am Coll Cardiol 1998;31:265-72. 12. Goodman S.N., Royall R. Evidence and scientific research. Am J Public Health 1988;78:1568-74. 13. Royall R. Statistical Evidence: A Likelihood Primer. Monographs on Statistics and Applied Probability, #71. London: Chapman and Hall; 1997. 14. Edwards A. Likelihood. Cambridge, UK: Cambridge Univ Pr; 1972. 15. Goodman S.N. Meta-analysis and evidence. Control Clin Trials 1989;10:188-204, 435. 16. Efron B. Empirical Bayes methods for combining likelihoods. Journal of the American Statistical Association 1996;91:538-50. 17. Hardy R.J., Thompson S.G. A likelihood approach to meta-analysis with random effects. Stat Med 1996;15:619-29. 18. Berger J. Statistical Decision Theory and Bayesian Analysis. New York: Springer-Verlag; 1985. 19. Edwards W., Lindman H., Savage L. Bayesian statistical inference for psychological research. Psychol Rev 1963;70:193-242. 20. Diamond G.A., Forrester J.S. Clinical trials and statistical verdicts: probable grounds for appeal. Ann Intern Med 1983;98:385-94. 21. Lilford R., Braunholtz D. The statistical basis of public policy: a paradigm shift is overdue. BMJ 1996;313:603-7. 22. Peto R. Why do we need systematic overviews of randomized trials? Stat Med 1987;6:233-44. 23. Pogue J., Yusuf S. Overcoming the limitations of current meta-analysis of randomised controlled trials. Lancet 1998;351:47-52. 24. Fisher R. Statistical Methods and Scientific Inference, 3d ed. New York: Macmillan; 1973. 25. Jeffreys H. Theory of Probability, 2d ed. Oxford: Oxford Univ Pr; 1961. 26. Kass R., Raftery A. Bayes Factors. Journal of the American Statistical Association 1995;90:773-95. 27. Cornfield J. A Bayesian test of some classical hypotheses-with applications to sequential clinical trials. Journal of the American Statistical Association 1966;61:577-94. 28. Kass R., Greenhouse J. Comments on "Investigating therapies of potentially great benefit: ECMO" (by J.H. Ware). Statistical Science 1989;4:310-7. 29. Spiegelhalter D., Freedman L., Parmar M. Bayesian approaches to randomized trials. Journal of the Royal Statistical Society, Series A 1994;157:357-87. 30. Berger J., Sellke T. Testing a point null hypothesis: the irreconcilability of p-values and evidence. Journal of the American Statistical Association 1987;82:112-39. 31. Bayarri M., Berger J. Quantifying surprise in the data and model verification. Proceedings of the 6th Valencia International Meeting on Bayesian Statistics, 1998. 1998:1-18. 32. Carlin C., Louis T. Bayes and Empirical Bayes Methods for Data Analysis. London: Chapman and Hall; 1996. 33. Casella G., Berger R. Reconciling Bayesian and frequentist evidence in the one-sided testing problem. Journal of the American Statistical Association 1987;82:106-11. 34. Howard J. The 2 2 table: a discussion from a Bayesian viewpoint. Statistical Science 1999;13:351-67. 35. Cornfield J. Sequential trials, sequential analysis and the likelihood principle. American Statistician 1966;20:18-23.
Уточнение информации

+7 913 789-74-90
info@zauchka.ru
группа вконтакте