Модели и первичный анализ статистических данных

2020/2021

Статус: Майнор

Кто читает: Кафедра математической экономики (Нижний Новгород)

Где читается: Факультет экономики НИУ ВШЭ (Нижний Новгород)

Когда читается: 1, 2 модуль

Преподаватели: Лапинова Светлана Александровна

Язык: русский

Кредиты: 5

Контактные часы: 40

Полная версия программы учебной дисциплины

Аннотация

В курсе будут рассмотрены основные модели и методы статистического анализа наблюдаемых переменных и процессов в различных практических задачах, способы представления данных и результаты анализа в виде обобщающих показателей, таблиц и графиков. Излагаемый теоретический материал будет сопровождаться практическими примерами с использованием современных информационных технологий и инструментов статистического анализа данных в различных программных средах.

Цель освоения дисциплины

В результате изучения курса студент должен освоить основные понятия статистики и анализа данных, овладеть аппаратом статистического моделирования в пакетах прикладных программ, уметь рассчитывать статистические характеристики случайных величин и их совокупностей.

Планируемые результаты обучения

Знает основные понятия, категории, инструменты и задачи статистики и анализа данных.
Имеет навыки анализа данных с помощью пакетов прикладных программ.
Знает основные понятия теории вероятностей и используемые в прикладной статистике.распределения случайных величин
Умеет вычислять статистические характеристики совокупностей случайных величин
Имеет навыки моделирования и анализа статистических характеристик случайных величин в пакетах прикладных программ.

Содержание учебной дисциплины

Статистика и анализ данных.
Задачи cтатистики и анализа данных. Типы данных: временные ряды, пространственные данные, панельные данные. Источники данных. Специфика измерений. Математические методы и модели анализа данных. Взаимосвязи между переменными. Построение статистических моделей. Пакеты прикладных программ для работы с количественными данными. Статистические компьютерные пакеты анализа данных. Примеры задач анализа данных в экономике, финансах, физике, биологии и других науках.
Представление статистических данных.
Представление количественных и качественных данных. Статистические совокупности и группировка. Визуальный анализ. Табличное и графическое представление распределения данных. Построение графиков, диаграмм, пиктограмм, гистограмм в пакетах прикладных программ. Введение в пакеты прикладных программ EViews, R, Python и Stata.
Основные понятия теории вероятностей и прикладной статистики.
Случайные события и случайные величины. Числовые характеристики случайной величины. Функции распределения для дискретных и непрерывных случайных величин. Математическое ожидание, дисперсия и другие статистические характеристики. Нормальный, биномиальный, пуассоновский и другие законы распределения вероятностей. Характеристики дифференциации. Кривая Лоренца, коэффициент Джини. Характеристические функции и их свойства. Примеры функций распределения в различных задачах прикладной статистики.
Совокупности случайных величин.
Многомерные статистические данные, их представление и обобщающие характеристики. Многомерные плотности вероятности. Основные свойства многомерных плотностей вероятности. Условные плотности вероятности случайных величин. Формула Байеса. Характеристики степени зависимости между двумя переменными. Построение зависимости одной переменной от другой. Корреляция и ковариация. Независимые и зависимые случайные величины. характеристики связи между переменными. Показатели взаимосвязи между качественными переменными. Выборочные характеристики. Примеры расчета статистических характеристик совокупностей случайных величин.
Преобразования случайных величин.
Замена вероятностной меры. Нелинейные преобразования случайных величин. Понятие о снижении размерности признакового пространства. Проблемы построения агрегированных статистических показателей. Псевдослучайные генераторы случайных чисел. Генерация случайных величин с различными функциями распределения. Имитационное моделирование в R и Python.

Элементы контроля

Аудиторная работа
Контрольная работа
Экзамен

Промежуточная аттестация

Промежуточная аттестация (2 модуль)
0.3 * Аудиторная работа + 0.3 * Контрольная работа + 0.4 * Экзамен

Программа дисциплины