Аннотация рабочей программы дисциплины
«Основы статистики»

Цель изучения дисциплины Целью освоения является приолбретение навыков обработки статистических данных, принятия по ним обоснованных управленческих решений, освоение статистических возможностей прикладных компьютерных пакетов
Место дисциплины в учебном плане Б1.В.ДВ.03.02
Формируемые компетенции ПК-2
Знания, умения и навыки, получаемые в результате освоения дисциплины
Знать:
1. Виды статистических данных и способы их преобразования.
2. Цели и способы группировки и визуализации данных.
3. Принципы и задачи цензурирования.
4. Что такое связь функциональная и связь статистическая, каковы их отличия.
5. Постановку задачи регрессии. Способы ее решения и разные подходы к этой задаче.
6. Основные подходы к задачам классификации. Постановку задачи кластерного анализа.
7. Постановку задачи проверки статистических гипотез. Структуру критериев согласия и механизм их функционирования.
8. Различные виды коэффициентов корреляции и сферы их применимости.
9. Постановку задачи и предположения дисперсионного анализа.
10. Модели и методы решения задач дискриминации данных на два класса.
11. Основные понятия теории временных рядов.
12. Подходы к проверке гипотез о временных рядах и их прогнозированию.
Уметь:
1. Группировать данные наблюдений. Строить гистограммы, полигоны, поля корреляции. Решать простейшие задачи оцифровки (квантификации) качественных данных.
2. Осуществлять цензурирование одномерных и (в несложных ситуациях) многомерных данных.
3. Решать задачи регрессии методом наименьших квадратов (в том числе и с ограничениями).
4. Решать задачу кластерного анализа методами k-средних, агломеративным иерархическим способом и с помощью алгоритма ФОРЕЛЬ.
5. Ставить и решать задачи проверки статистических гипотез при помощи критерия Пирсона хи-квадрат и других критериев согласия.
6. Вычислять различные коэффициенты корреляции и выбирать тот из них, который наиболее адекватен в решаемой задаче.
7. Обрабатывать мнения экспертов, выраженное в ранговой форме, включая обоснованное формирование согласованных экспертных групп.
8. Решать задачи дисперсионного анализа ANOVA, сводить многофакторные задачи к задаче ANOVA.
9. Строить и интерпретировать линейные прогностические функции.
10. Решать протейшие задачи на анализ и прогноз временного ряда.
Иметь навыки и (или) опыт деятельности (владеть):
1. Обработки и анализа статистических данных разных видов с помощью офисных и иных пакетов компьютерных программ.
2. Цензурирования данных наблюдений и их последующей визуализации.
3. Решения задач регрессии разных видов, как вручную, так и с применением компьютерных методов.
4. Решения и интерпретации различных задач кластерного анализа.
5. Вычисления и интерпретации различных корреляционных коэффициентов и характеристик.
6. Проверки статистических гипотез. Выбора статистического критерия и определения его адекватности.
7. Решения задач однородности методати диспесионного анализа.
8. Решения задач дискриминантного анализа.
9. Проверки простейших гипотез о временных рядах, оценки их тренда т сезонности.
10. Решения простейших задач прогноза временных рядов.
Содержание дисциплины Первичная обработка статистических данных. Регрессионный анализ. Корреляционная теория. Статистические критерии. Нечисловая статистика. Дискриминантный анализ. Корреляционный анализ. Сокращение размерностей и современные методы визуализации. Прогноз и фильтрация временных рядов.
Виды учебной работы Лекции, практические, самостоятельная работа.
Используемые информационные, инструментальные и программные средства
Microsoft Office, Microsoft Windows
7-Zip
AcrobatReader
Форма промежуточной аттестации Экзамен.