数据分析技术教学大纲

课程编号：9061412                          

学时：32

学分：2

适用专业：计算机科学与技术

开课部门：信息工程学院

一、课程的性质与任务

数据分析技术是计算机科学与技术专业的一门职业方向接口课，具有较强的理论性和实践性。

通过本课程的学习，使学生对数据分析方法的基本原理有系统的理解，掌握利用软件进行数据统计分析的方法和步骤。培养学生应用计算机进行统计分析的能力，通过本课程的学习与实践，加深对数据分析方法的基本理论（回归分析、方差分析、聚类分析、判别分析等）的理解，掌握统计软件的各个操作方法和步骤，并能结合具体问题和相关知识对计算结果给出合理的解释。

二、课程学时分配

教学章节	理论	实验
第一章：数据描述分析	2	0
第二章：线性回归分析	2	0
第三章：方差分析	2	0
第四章：主成分分析与典型相关分析	2	2
第五章：判别分析	2	2
第六章：聚类分析	4	2
第七章：Bayes统计分析	4	2
第八章：SAS软件及有关数据分析过程	4	2
合计	22	10

三、实践教学的基本要求

1.课内实验项目一览表

序号	实验项目	学时	必/选做
1	主成分分析与典型相关分析	2	必做
2	判别分析	2	必做
3	聚类分析	2	必做
4	Bayes统计分析	2	必做
5	SAS软件及有关数据分析过程	2	必做
总计		10

 

 

 

 

 

 

 

 

2.实践教学要求

（1）教学目的: 加强实践环节，培养学生的动手能力。使学生通过实验验证课堂所学理论，加深理解并掌握数据分析相关理论知识。

(2) 教学要求：了解要求学生掌握SAS软件的操作过程，以及利用该软件进行实际数据分析的方法。

(3) 教学形式：课堂教学和教学实验相互结合，通过实验内容巩固所学知识。

四、课程的基本教学内容及要求

第一章 数据描述分析

1.教学内容

（1）一维数据的数字特征

（2）数据的分布

（3）多维数据的数字特征及相关分析

2.重点与难点

重点：直方图，经验分布函数，多维数据的数字特征及相关矩阵。

难点：直方图，经验分布函数，多维数据的数字特征及相关矩阵。

3.课程教学要求

本章采用多媒体讲述的教学方法，要求学生了解一维数据的数字特征，分散性的数字特征，掌握数据的分布拟合检验与正态性检验。

第二章 线性回归分析

1.教学内容

（1）线性回归模型及其参数估计

（2）统计推断与预测

（3）残差分析

（4）回归方程的选取

2.重点与难点

重点：线性回归模型及其矩阵表示，误差项的正态性检验。

难点：线性回归模型及其矩阵表示，误差项的正态性检验。

3.课程教学要求

本章采用多媒体讲述的教学方法，要求学生了解参数估计及其性质，掌握回归系数的统计推断，穷举法和逐步回归法。

第三章 方差分析

1.教学内容

（1）单因素方法分析

（2）两因素等重复试验下的方差分析

（3）两因素非重复试验下的方差分析

2.重点与难点

重点：因素各水平均值的估计与比较，有交互效应时因素各水平组合上的均值估计与比

较。

难点：因素各水平均值的估计与比较，有交互效应时因素各水平组合上的均值估计与比

较。

3.课程教学要求

本章采用多媒体讲述的教学方法，要求学生掌握因素各水平均值的估计与比较，交互效应及因素效应的显著性检验，无交互效应时因素水平组合上的均值估计与比较。

第四章 主成分分析与典型相关分析

1.教学内容

（1）主成分分析

（2）典型相关分析

2.重点与难点

重点：总体主成分，样本主成分，总体的典型变量。

难点：总体主成分，样本主成分，总体的典型变量。

3.课程教学要求

本章采用多媒体讲述的教学方法，要求学生了解总体主成分，样本主成分的分析，掌握总体的典型变量与典型相关，样本的典型变量与典型相关。

第五章 判别分析

1.教学内容

（1）距离判别

（2）Bayes判别

2.重点与难点

重点：Bayes判别的基本思想，两个总体的Bayes判别，多个总体的Bayes判别。

难点：Bayes判别的基本思想，两个总体的Bayes判别，多个总体的Bayes判别。

3.课程教学要求

本章采用多媒体讲述的教学方法，要求学生了解两个总体的距离判别，多个总体的距离判别，掌握Bayes判别的基本思想，两个总体的Bayes判别，多个总体的Bayes判别。

第六章 聚类分析

1.教学内容

（1）样品间相似性的度量

（2）快递聚类

（3）谱系聚类法

2.重点与难点

重点：样品间相似性的度量，类间距离及其递推公式。

难点：样品间相似性的度量，类间距离及其递推公式。

3.课程教学要求

本章采用多媒体讲述的教学方法，要求学生掌握样品间相似性的度量，用Lm距离进行快速聚类，变量的聚类。

第七章 Bayes统计分析

1.教学内容

（1）Bayes统计模型

（2）Bayes统计推断

2.重点与难点

重点：Bayes统计分析的基本思想，Bayes区间估计，Bayse假设检验。

难点：Bayes统计分析的基本思想，Bayes区间估计，Bayse假设检验。

3.课程教学要求

本章采用多媒体讲述的教学方法，要求学生了解Bayes统计分析的基本思想，掌握先验

分布的Bayes假设与不变先验分布，Bayes区间估计，Bayes假设检验。

第八章 SAS软件及有关数据分析过程

1.教学内容

（1）SAS基本内容简介

（2）与本书内容有关的SAS过程简介

2.重点与难点

重点：SAS回归分析程序的输出资料类型及诊断功能。

难点：SAS回归分析程序的输出资料类型及诊断功能。

3.课程教学要求

本章采用多媒体讲述的教学方法，要求学生掌握SAS系统的数学运算符号及常用的SAS

函数，方差分析的SAS过程，PROC ANOVA过程。

 五、课程考核

1.考核方式、记分制和考核时间

本课程采用开卷考查考核方式，成绩采用百分制记分，考试时间为90分钟

2.考试成绩构成

课程总成绩=平时成绩10%+实践成绩20%+期末考试成绩70%。

3.考核题型及命题要求

考核题型有简答题、设计题、分析题等。

命题依据教学大纲要求，命题在教学大纲规定的教学目的、教学要求、教学内容和教材

范围之内，按照重分析推理和理论联系实际原则，既考查对基本知识的识记能力，又考查运用所学知识分析问题和解决问题的能力，考试命题的覆盖面应尽可能广一些，其中主要考查学生对主成分分析与典型相关分析、判别分析、聚类分析、Bayes统计分析、SAS软件及有关数据分析过程等知识的掌握程度。

六、参考教材

 [1] 梅长林.数据分析方法[M].北京:高等教育出版社,2006.

[2] 高祥宝.数据分析与SPSS应用[M].北京:清华大学出版社,2014.

[3] 李红松.统计数据分析方法与技术[M].经济管理出版社,2014.

七、大纲说明

本大纲根据计算机科学与技术专业人才培养方案、培养规格和数据分析与处理性质，结合学校现有条件制定本大纲，其内容根据课程内容、人才培养方案及科学性和合理性原则选编。对大纲中的重点应深入讲解，对难点采用课堂讲授与课下辅导为主，课堂讲授中，教师反复强调工程性的指导思想，以及所讲知识点在信息科学领域所处的位置和作用，以生动的实例引导学生，提高学生学习的积极性。

 

制定人：                                   审定人：