Прикладной статистический анализ данных (курс лекций, 2017)

Материал из MachineLearning.

Версия 06:52, 13 февраля 2017 (править) Khalman.m (Обсуждение | вклад) (→Расписание занятий) ← К предыдущему изменению		Версия 06:56, 13 февраля 2017 (править) (отменить) Khalman.m (Обсуждение | вклад) (→Расписание занятий) К следующему изменению →
Строка 24:		Строка 24:
	| Проверка параметрических гипотез		| Проверка параметрических гипотез
	| 526б		| 526б
-	|	+	| [[Media:Psad_ht_parametric_2017.pdf‎|Слайды]]
-	|	+	| [https://www.dropbox.com/sh/vjy0y0qcb3unwsp/AAAd7siAWnl_PdBDMQyjy44Ca?dl=0 Задания на семинар]
	|-		|-
	| 17.02.2017		| 17.02.2017

---

Версия 06:56, 13 февраля 2017

Лекторы: К. Воронцов, М. Хальман, Ш. Ишкина, А. Романенко, П. Швечиков.

Содержание 1 Расписание занятий 2 Система выставления оценок по курсу 3 Практическая работа 3.1 Основные ссылки 3.2 Минимальная практика 3.3 Практические задания 4 Литература 4.1 1. Основная литература 4.2 2. Дополнительная литература

Расписание занятий

Занятия начинаются в 10:30, если отдельно не указано иное.

Дата	Тема	Аудитория (лекция/семинар)	Лекция	Семинар
10.02.2017	Базовые распределения, статистики и их свойства; Оценка параметров	607	Слайды
13.02.2017	Проверка параметрических гипотез	526б	Слайды	Задания на семинар
17.02.2017	Проверка непараметрических гипотез	?
20.02.2017	Множественная проверка гипотез	523/526б
27.02.2017	Анализ зависимостей	?
10.03.2017	Линейная регрессия	?
17.03.2017	Дополнения и обобщения регрессии	?
24.03.2017	Прогнозирование временных рядов, часть 1	?
31.03.2017	Прогнозирование временных рядов, часть 2	?
07.04.2017	Причинно-следственные связи	?

Система выставления оценок по курсу

По курсу запланировано 4 практических задания и экзамен. Оценки за выполнение практических заданий суммируются.

Итоговая оценка за курс является средним между суммарной оценкой за практические задания и оценкой за экзамен.

Разбалловку по заданиям смотри в разделе Практические задания .

Практическая работа

Основные ссылки

• Для работы на семинарах вам понадобятся ноутбуки с установленными на них R и RStudio.
• Инструкция по установке и запуску swirl
• Некоторые основные опции Rmarkdown
• Advanced R – для тех, кто хочет разобраться в том, как работает R изнутри

Минимальная практика

Для того, чтобы успешно выполнять практические задания и работать на семинаре, вам необходимо приобрести минимальные навыки работы в R. Для этого скачайте R, RStudio, и установите swirl (ссылки приведены выше).

До семинара, убедитесь, пожалуйста, что вы прошли из блока "R Programming: The basics of programming in R" пакета swirl (инструкция по установке и запуску swirl) следующие уроки:

• 1: Basic Building Blocks
• 4: Vectors
• 7: Matrices and Data Frames
• 10: lapply and sapply
• 13: Simulation
• 15: Base Graphics

В противном случае на семинаре вы не сможете полноценно влиться в работу и получите дополнительные сложности при выполнении практических заданий.

Практические задания

Номер задания	Дата выдачи	Дедлайн	Название работы	Максимальный балл
1	17.02.2017	03.03.2017 23:59	Исследование свойств стат. критериев на модельных данных	?
2	03.03.2017		Проверка стастгипотез	?
3	17.03.2017		Линейная и обобщенная линейная регрессия	?
4	31.03.2017		Прогнозирование временных рядов	?

Литература

1. Основная литература

1. Вальд, А. Последовательный анализ. — М.: Физматлит, 1960.
2. Кобзарь, А.И. Прикладная математическая статистика. — М.: Физматлит, 2006.
3. Лагутин, М.Б. Наглядная математическая статистика. — М.: П-центр, 2003.
4. Agresti, A. Categorical Data Analysis. — Hoboken: John Wiley & Sons, 2013.
5. Bilder, C.R., Loughin, T.M. Analysis of Categorical Data with R. — Boca Raton: Chapman and Hall/CRC, 2013.
6. Bonnini, S., Corain, L., Marozzi, M., Salmaso S. Nonparametric Hypothesis Testing: Rank and Permutation Methods with Applications in R. — Hoboken: John Wiley & Sons, 2014.
7. Bretz, F., Hothorn, T., Westfall, P. Multiple Comparisons Using R. — Boca Raton: Chapman and Hall/CRC, 2010.
8. Chihara, L., Hesterberg, T. Mathematical Statistics with Resampling and R — Hoboken: John Wiley & Sons, 2011.
9. Diez, D.M, Barr, C.D., Cetinkaya-Rundel, M., Dorazio, L. Advanced High School Statistics. — OpenIntro, 2015.
10. Hyndman, R.J., Athanasopoulos G. Forecasting: principles and practice. — OTexts, 2016. https://www.otexts.org/book/fpp
11. Kanji, G.K. 100 statistical tests. — London: SAGE Publications, 2006.
12. Mukhopadhyay, N., de Silva, B. M. Sequential methods and their applications. — Boca Raton: Chapman and Hall/CRC, 2009.
13. Olsson, U. Generalized Linear Models: An Applied Approach. — Lund: Studentlitteratur, 2004.
14. Pearl J., Glymour M., Jewell N.P. Causal Inference in Statistics: A Primer. — Chichester: John Wiley & Sons, 2016.
15. Tabachnick, B.G., Fidell, L.S. Using Multivariate Statistics. — Boston: Pearson Education, 2012.
16. Wooldridge, J. Introductory Econometrics: A Modern Approach. — Mason: South-Western Cengage Learning, 2013.

2. Дополнительная литература

1. Cameron, A.A., Trivedi, P.K. Regression Analysis of Count Data. — Cambridge: Cambridge University Press, 2013.
2. Dickhaus, T. Simultaneous Statistical Inference With Applications in the Life Sciences. — Heidelberg: Springer, 2014.
3. Good, P. Permutation, Parametric and Bootstrap Tests of Hypotheses: A Practical Guide to Resampling Methods for Testing Hypotheses. — New York: Springer, 2005.
4. Hosmer, D.W., Lemeshow S., Sturdivant, R.X. Applied Logistic Regression. — Hoboken: John Wiley & Sons, 2013.
5. Kirchgassner, G., Wolters, J., Hassler, U. Introduction to modern time series analysis. — Heidelberg: Springer, 2013.
6. Nagarajan, R., Scutari, M., Lèbre, S. Bayesian Networks in R with Applications in Systems Biology. — New York: Springer, 2013.