• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
2021/2022

Введение в прикладную аналитику

Статус: Майнор
Когда читается: 1, 2 модуль
Охват аудитории: для всех кампусов НИУ ВШЭ
Преподаватели: Воробьева Марья Дмитриевна, Зайцев Дмитрий Геннадьевич, Ким Арюна Витальевна, Кускова Валентина Викторовна, Мальцева Дарья Васильевна, Сокол Анна Андреевна, Хвацкий Григорий Сергеевич, Щеглова Тамара Евгеньевна
Язык: русский
Кредиты: 5
Контактные часы: 64

Программа дисциплины

Аннотация

Курс посвящен изучению основ работы с данными и их анализа. В курсе слушатели познакомятся с различными типами данных, приемам и правилам сбора и работы с ними: типы шкал, форматы данных, работа с пропущенными данными, основы работы с базами данных и другими ключевыми аспектами аналитики. Также, в рамках этого курса будут изучаться основные понятия и методы статистического анализа данных: базовая теория вероятностей, проверка гипотез, интерпретация полученных результатов. Этот курс шире, чем базовый курс по статистике, и нацелен на формирование практических, прикладных компетенций. Курс предполагает выполнение 10 коротких тестов и итоговую контрольную работу.
Цель освоения дисциплины

Цель освоения дисциплины

  • Развить у студентов понимание основ прикладной статистики, а также навыков их применения в исследованиях
Планируемые результаты обучения

Планируемые результаты обучения

  • Знать основные принципы работы со всеми типами данных
  • Знать теоретические основы базовой статистки
  • Уметь вычислять статистические критерии без использования статистических пакетов
  • Уметь развивать навык критического анализа применимо к опубликованным работам, в которых используются изученные методы и подходы
  • Уметь формулировать и проверять статистические гипотезы
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Где, зачем и как собирать данные?
  • Графики, диаграммы и таблицы – описание ваших данных
  • Описание данных с помощью цифровых мер
  • Использование вероятности и вероятностных распределений
  • Дискретные распределения вероятностей
  • Непрерывные распределения вероятностей
  • Введение в выборочные распределения
  • Оценка параметров для одной выборки
  • Введение в тестирование гипотез
  • Тестирование гипотез и оценка параметра среднего для двух выборок
  • Тестирование гипотез и оценка параметра дисперсии для двух выборок
  • ANOVA
  • Анализ таблиц сопряженности
  • Введение в линейную регрессии и корреляционный анализ
  • Множественная регрессия
Элементы контроля

Элементы контроля

  • неблокирующий Итоговая контрольная работа
  • неблокирующий 10 промежуточных тестов
Промежуточная аттестация

Промежуточная аттестация

  • 2021/2022 учебный год 2 модуль
    0.4 * Итоговая контрольная работа + 0.6 * 10 промежуточных тестов
Список литературы

Список литературы

Рекомендуемая основная литература

  • Agresti, A. (2017). Statistics: The Art and Science of Learning From Data, Global Edition. Pearson.

Рекомендуемая дополнительная литература

  • James T. McClave, & Terry Sincich. (2013). Statistics: Pearson New International Edition. Pearson.