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. |