Прикладная статистика и анализ данных

2026/2027

ID 1172757

Статус: Маго-лего

Кто читает: Департамент экономики и анализа данных

Где читается: Факультет экономики НИУ ВШЭ (Нижний Новгород)

Охват аудитории: для своего кампуса

Преподаватели: Тарунина Елена Николаевна

Язык: русский

Кредиты: 3

Контактные часы: 40

Дополнительные материалы в LMS Задать вопрос

Аннотация

Дисциплина направлена на формирование у студентов практических компетенций в области обработки данных и применения статистических методов в экономике и менеджменте. В рамках курса изучаются методы описательного анализа и визуализации данных, тестирование статистических гипотез и анализ взаимосвязей, сравнение средних и дисперсионный анализ, кластерный и факторный анализ, модели линейной и логистической регрессии, панельный анализ и анализ временных рядов. Практическая часть реализуется в среде Python и предполагает работу с фактическими данными, включая их подготовку, обработку, моделирование и интерпретацию результатов. В результате освоения дисциплины студенты способны самостоятельно проводить эмпирический анализ, строить и оценивать модели, выполнять прогнозирование и формулировать обоснованные выводы на основе количественных методов.

Цель освоения дисциплины

Формирование знаний о современных методах прикладного статистического анализа данных и принципах их применения.
Развитие практических навыков обработки, анализа и визуализации данных с использованием языка программирования Python.
Развитие способности выбирать адекватные статистические методы, интерпретировать результаты анализа данных и использовать их для решения исследовательских и аналитических задач.

Планируемые результаты обучения

Осуществляет предварительную подготовку данных к анализу, включая обработку пропусков, выбросов и преобразование переменных
Выполняет описательный анализ данных и интерпретирует основные статистические показатели
Применяет методы визуализации данных для исследования распределений и представления результатов анализа
Формулирует статистические гипотезы и выбирает методы их проверки
Исследует взаимосвязи между переменными с использованием корреляционного анализа, таблиц сопряженности, параметрических и непараметрических критериев
Выбирает статистические методы анализа в соответствии с типом данных и исследовательской задачей
Проводит факторный анализ
Выполняет кластерный анализ данных, оценивает качество кластерных решений и интерпретирует выделенные группы
Строит и интерпретирует модели линейной регрессии, оценивает качество моделей и проверяет основные предпосылки их применения
Строит модели бинарного выбора, оценивает их качество и интерпретирует полученные результаты
Применяет язык программирования Python для обработки, анализа, визуализации данных и реализации статистических методов
Интерпретирует результаты статистического анализа и представляет их в форме аналитического отчета и презентации

Содержание учебной дисциплины

Введение в прикладной статистический анализ данных.
Описательный анализ и визуализация данных.
Исследование взаимосвязей между переменными и проверка статистических гипотез.
Факторный анализ.
Кластерный анализ данных.
Линейный регрессионный анализ.
Модели бинарного выбора.

Элементы контроля

Активность
Оценивается работа на занятиях и результаты проверочных тестов.
Домашнее задание
Регулярное выполнение практических заданий в Python. Оценивается корректность применения методов, интерпретация результатов, соблюдение дедлайнов
Проект
Индивидуальный или групповой (по 2 чел.) исследовательский проект, включающий сбор и анализ данных, подготовку и защиту презентации.
Экзамен
Письменная работа, проверяющая понимание материала и способность применять знания для решения аналитических задач.

Промежуточная аттестация

2026/2027 3rd module
0.2 * Активность + 0.2 * Проект + 0.4 * Экзамен + 0.2 * Домашнее задание

Список литературы

Авторы

Тарунина Елена Николаевна

Программа дисциплины