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

Основы статистики

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Статус: Дисциплина общефакультетского пула
Когда читается: 1, 2 модуль
Охват аудитории: для всех кампусов НИУ ВШЭ
Язык: русский
Кредиты: 3
Контактные часы: 4

Программа дисциплины

Аннотация

Слушатели познакомятся с такими методами статистического анализа как дисперсионный, регрессионный и кластерный анализ. Мы научимся сравнивать группы между собой, рассчитывать коэффициенты корреляции и строить регрессионные уравнения. Основной акцент делается на математических идеях, интуиции и логике, которые обуславливают методы и расчетные формулы. Изученный материал будет применим для решения широкого круга задач, возникающих в рамках исследовательской работы практически любого направления. Будут рассмотрены методы анализа данных, которые наиболее часто применяются при статистической обработке результатов в широчайшем круге научных и прикладных областей. Помимо теоретических заданий слушателей ожидают практические задачи, которые необходимо выполнять, используя язык программирования R. Знаний, полученных в результате прохождения данного курса, будет достаточно чтобы научиться более быстро и эффективно решать различные задачи, связанные с анализом данных.
Цель освоения дисциплины

Цель освоения дисциплины

  • Цель курса - познакомить слушателей с основными понятиями и базовыми методами статистического анализа.
Планируемые результаты обучения

Планируемые результаты обучения

  • Понимание основных понятий статистического анализа
  • Слушатели знают о принципах корреляционного и регрессионного анализа, способны использовать данные виды анализа и интерпретировать полученные с их помощью результаты.
  • Слушатели понимают принципы логистического регрессионного анализа, умеют применять его на практике и интерпретировать результаты.
  • Слушатели умеют выбирать и применять на практике подходящие методы для сравнения средних значений
  • Слушатели умеют выбирать и применять на практике подходящие непараметрические методы статистического анализа.
  • Слушатели умеют использовать методы кластеризации данных, а также применять метод главных компонент.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Основные понятия статистического анализа
  • Сравнение средних
  • Корреляция и регрессия
  • Анализ номинативных данных
  • Логистическая регрессия и непараметрические методы
  • Кластерный анализ и метод главных компонент
Элементы контроля

Элементы контроля

  • неблокирующий Сертификат о прохождении онлайн-курса "Основы статистики"
    Слушатели должны предоставить сертификат о прохождении курса "Основы статистики" (https://stepik.org/course/76/promo).
  • неблокирующий Сертификат о прохождении онлайн-курса "Основы статистики 2"
    Слушатели должны предоставить сертификат о прохождении курса "Основы статистики 2" (https://stepik.org/course/524/promo).
  • неблокирующий Контрольная работа 1
    В ходе работы слушателям предлагается выполнить тест по теоретическим основам анализа, а также несколько практических задач на использование методов сравнения средних, корреляционного и регрессионного анализа.
  • неблокирующий Контрольная работа 2
    В ходе работы слушателям предлагается выполнить тест по теоретическим основам статистического анализа, а также несколько практических задач на использование непараметрических методов, логистического регрессионного анализа, а также кластерного анализа.
Промежуточная аттестация

Промежуточная аттестация

  • 2021/2022 учебный год 2 модуль
    0.3 * Контрольная работа 2 + 0.2 * Сертификат о прохождении онлайн-курса "Основы статистики 2" + 0.2 * Сертификат о прохождении онлайн-курса "Основы статистики" + 0.3 * Контрольная работа 1
Список литературы

Список литературы

Рекомендуемая основная литература

  • Agresti, A. (2013). Categorical Data Analysis (Vol. Third edition). Hoboken, NJ: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=769330
  • Agresti, A. (2015). Foundations of Linear and Generalized Linear Models. Hoboken, New Jersey: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=941245
  • Field, A. V. (DE-588)128714581, (DE-627)378310763, (DE-576)186310501, aut. (2012). Discovering statistics using R Andy Field, Jeremy Miles, Zoë Field.

Рекомендуемая дополнительная литература

  • Gray, V. (2017). Principal Component Analysis : Methods, Applications, and Technology. Hauppauge, New York: Nova Science Publishers, Inc. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1464656
  • King, R. S. (2015). Cluster Analysis and Data Mining : An Introduction. Mercury Learning & Information.
  • Rutherford, A. (2001). Introducing Anova and Ancova : A GLM Approach. London: SAGE Publications Ltd. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=251737
  • Основы статистики: Учебное пособие / С.А. Канцедал. - М.: ИД ФОРУМ: ИНФРА-М, 2011. - 192 с.: ил.; 60x90 1/16. - (Профессиональное образование). (переплет) ISBN 978-5-8199-0439-8 - Режим доступа: http://znanium.com/catalog/product/251392