Кобильник Т.П. [kobylnyktaras@gmail.com]
Дрогобицький державний педагогічний університет імені Івана Франка, Україна
Download in PDF: http://fmo-journal.fizmatsspu.sumy.ua//journals/2018-v1-15/2018_1-15-Kobylnyk_Scientific_journal_FMO.pdf

МЕТОДИЧНІ АСПЕКТИ НАВЧАННЯ МНОЖИННОГО ЛІНІЙНОГО РЕГРЕСІЙНОГО АНАЛІЗУ  З ВИКОРИСТАННЯМ СТАТИСТИЧНОГО СЕРЕДОВИЩА R

Анотація. Однією з важливих умов підготовки вчителів інформатики є вміння та навички використовувати різноманітні статистичні методи аналізу експериментальних даних. Упровадження статистичних методів аналізу у навчальний процес дає можливість підвищити рівень підготовки майбутнього педагога.
Методи регресійного аналізу використовуються в різних галузях науки для визначення вигляду залежностей між досліджуваними ознаками. Регресійний аналіз є основним статистичним методом побудови математичних моделей об’єктів або явищ на основі експериментальних даних. Основні результати в даний час отримані стосовно до лінійних регресійних моделей, які можуть служити як початковий етап дослідження.
Опрацювання даних неможливе без використання комп'ютера з відповідним програмним забезпеченням. Перед користувачем виникає проблема вибору програмного забезпечення для дослідження. Пропонується використовувати статистичне середовище R для наукових досліджень та супроводу навчального процесу у вищих навчальних закладах. Для проведення регресійного аналізу у статті використано вільно поширюваний пакет R – однією з кращих програм для проведення статистичного аналізу. Нелінійні зв’язки за певними перетвореннями (заміною змінних чи логарифмуванням) можна звести до лінійного вигляду, тобто апроксимувати відповідні залежності лінійними функціями. Модель лінійної регресії є найпростішим і найчастіше використовуваним видом залежності між змінними. Тому під час вивчення елементів регресійного аналізу значну увагу слід приділити лінійній моделі. У статті на конкретному прикладі показано побудову та дослідження множинної лінійної регресійної моделі з використанням статистичного середовища R. Перевірку на відповідність нормальному розподілу проведено за допомогою побудови q-q діаграми.
Перспективи подальших досліджень будуть спрямовані на вивчення можливостей використання пакету R для статистичного аналізу даних та методиці навчання основ імітаційного моделювання студентів інформатичних спеціальностей в педагогічних університетах.
Ключові слова: множинний лінійний регресійний аналіз, статистичний пакет R.

METHODOLOGICAL ASPECTS OF LEARNING MULTIPLE LINEAR REGRESSION ANALYSIS WITH R PACKAGE
Taras Kobylnyk
Drohobych Ivan Franko State Pedagogical University, Ukraine

Abstract. One of the important conditions of preparation of Informatics teachers is the ability and skill to use various statistical methods of analysis of experimental data. Introduction of statistical analysis methods in educational process gives the opportunity to increase the level of training of a future teacher.
Regression analysis methods are used in various fields of science to determine the types of dependencies between the examined features. Regression analysis is the main statistical method for constructing mathematical models of objects or phenomena on the basis of experimental data. The main results currently obtained with reference to linear regression models that can serve as the initial phase of the study.
Data processing is impossible without the use of a computer with appropriate software. To the user there is a problem of choice of software for the study. It is proposed to use the statistical environment R for research and support of educational process in higher educational institutions. For regression analysis we use the freely available R package - one of the best programs for statistical analysis. Nonlinear with respect to certain transformations (change of variables or logarithms) can be reduced to linear form, that is, to approximate these dependencies by linear functions. A linear regression model is the simplest and most commonly used kind of dependence between the variables. Therefore, the study of the elements of the regression analysis, considerable attention should be paid to linear models. In the article on the specific example shows the construction and study of multiple linear regression models using the statistical environment R. the Test of conformity to the normal distribution carried out by constructing a q-q chart.
Prospects of further researches will be aimed at exploring the use of R package for statistical data analysis and methods of teaching the fundamentals of simulation modeling of students of technical specialties at pedagogical universities.
Key words: multiple linear regression analysis, R package.

Список використаних джерел

1. OpenOffice.org: Теория и практика / И. Хахаев и др. М. : ALT Linux ; БИНОМ. Лаборатория знаний, 2008. 319 с.
2. Берестнева О.Г., Марухина О.В., Шевелёв Г.Е. Прикладная математическая статистика : учебное пособие. Томск : Изд-во Томского политехнического университета, 2012. 188 с.
3. Бідюк П. І., Терентьєв О. М., Просянкіна-Жарова Т. І. Прикладна статистика. Вінниця : ПП "ТД"Едельвейс і К", 2013. 304с.
4. Бредюк В.І., Джоші О. І. Економіко-математичне моделювання в середовищі табличного процесора МS Excel: Навч. посібник. Рівне: НУВГП, 2015. 240 с.
5. Василенко О. А., Сенча І.А. Математично-статистичні методи аналізу у прикладних дослідженнях : навч. посіб. Одеса : ОНАЗ ім. О. С. Попова, 2011. 166 с.
6. Глушак О.М., Семеняка С.О. Економіко-математчине моделювання – перспективний напрямок прикладної математики. Фізико-математична освіта: науковий журнал. 2017. Випуск 1(11). С.28-31.
7. Горошко Ю.В. Інформаційне моделювання у підготовці учителів математики та інформатики : монографія. Чернігів : Лозовий В. М., 2012. 367 c.
8. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. 3-е изд. М. : Диалектика, 2007. 912 с.
9. Економетрика : навчальний посібник для студентів напряму підготовки "Економічна кібернетика" всіх форм навчання / Гур'янова Л.С. та ін.. Харків : ХНЕУ ім. С. Кузнеця, 2015. 384 с.
10. Єлейко В.І., Боднар Р.Д., Демчишин М.Я. Економетричний аналіз діяльності підприємств: Навчальний посібник. Тернопіль : Навчальна книга-Богдан, 2011. 362 c.
11. Жалдак М.І., Горошко Ю.В., Вінниченко Є.Ф. Математика з комп’ютером : посіб. для вчителів. 2-ге вид. К. : НПУ ім. Драгоманова, 2009. 282 с.
12. Кнігніцька Т.В. «Від практики до теорії» або як зацікавити студентів математикою. Фізико-математична освіта : науковий журнал. 2017. Вип. 4(14). С. 199-204.
13. Лупан І.В., Авраменко О.В. Комп’ютерні статистичні пакети : навчально-методичний посібник. Кіровоград : КОД, 2010. 218 с.
14. Майборода Р.Є., Сугакова О.В. Аналіз даних за допомогою пакета R : Навчальний посібник. 2015. 65 с.
15. Мастицкий С.Э., Шитиков В.К. Статистический анализ и визуализация данных с помощью R: Электронная книга. URL: http://docplayer.ru/49774338-Mastickiy-s-e-shitikov-v-k-statisticheskiy-analiz-i-vizualizaciya-dannyh-s-pomoshchyu-r.html (дата звернення 07.03.2018).
16. Наглядная статистика. Используем R! / А.Б. Шипунов и др. М. : ДМК Пресс, 2012. 298 с.
17. Радченко С.Г. Методология регрессионного анализа : монография. К. : Корнійчук, 2011. 376 с.
18. Слепко Ю.Н., Ледовская Т.В. Обработка и интерпретация результатов психологического исследования: учебное пособие. Ярославль : Изд-во ЯГПУ, 2013. 136 с.