Прикладной статистический анализ данных (курс лекций, 2017)

Материал из MachineLearning.

Перейти к: навигация, поиск

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


Содержание

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 704 Слайды Задания на семинар, Статья про boostrap
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



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 1
2 03.03.2017 Проверка стастгипотез 1.5
3 17.03.2017 Линейная и обобщенная линейная регрессия 2
4 31.03.2017 Прогнозирование временных рядов 1.5

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.
Личные инструменты