• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Владение языками
английский
Контакты
Телефон:
(495) 621-13-42
26068
Электронная почта:
Адрес: Кочновский пр., д. 3, каб. 507
Время работы: вторник с 9 до 14 Мясницкая, 20 пятница с 18 до 21 комната 228
Адрес: Мясницкая ул., д. 20, каб. 228
Время работы: пятница 18-21
Расписание
Резюме (DOC, 28 Кб)
SPIN РИНЦ: 9188-6138
ORCID: 0000-0002-8789-6748
ResearcherID: L-6967-2015
Scopus AuthorID: 6506405999
Google Scholar
Руководитель
Алескеров Ф. Т.
Версия для печати

 

Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!
Сервис предназначен только для отправки сообщений об орфографических и пунктуационных ошибках.

Горяинова Елена Рудольфовна

  • Начала работать в НИУ ВШЭ в 2009 году.
  • Научно-педагогический стаж: 28 лет.

Образование, учёные степени и учёные звания

  • 2002
    Ученое звание: Доцент
  • 1996
    Кандидат физико-математических наук: Московский авиационный институт им. С. Орджоникидзе, специальность 05.13.16 «Применение вычислительной техники, математического моделирования и математических методов в научных исследованиях», тема диссертации: Проверка адекватности регрессионных схем непараметрическими методами
  • 1983

    Специалитет: Московский государственный университет им. М. В. Ломоносова, специальность «Математика»

Достижения и поощрения

Выпускные квалификационные работы студентов

Полный список ВКР

Учебные курсы (2018/2019 уч. год)

Темы курсовых работ и ВКР

 

ВКР

1. Ранговое оценивание в линейных регрессионных моделях. (ВКР)

Rank estimations in in linear regression models

Аннотация. Предлагается разработать алгоритм вычисления ранговых оценок и провести аналитическое и экспериментальное сравнение точности  МНК и R (ранговых) оценок при различном распределении шумов модели.

2. Сравнительный анализ робастных оценок в регрессионных моделях (ВКР)

Comparative analysis of robust estimators in regression models

Аннотация. В условиях реального эксперимента данные часто бывают зашумлены. По этой причине оценки параметров, построенные методом наименьших квадратов (МНК), становятся малоэффективными. В качестве альтернативы к МНК-оценкам в этой ситуации выступают робастные оценки. Предлагается сравнить точность оценивания МНК и робастных оценок при различном распределении шумов модели.

3. Оценивание и прогнозирование в модели бинарной логистической регрессии с зависимыми регрессорами (ковариатами) ВКР

Estimation and forecasting in models of binary logistic regression with dependent regressors

Аннотация. Для определения наиболее вероятных значений изучаемых социологических характеристик респондентов часто используют модель логистической регрессии. Однако в случае зависимых регрессоров есть риск неудачного построения прогнозов. Предлагается разработать методы, дающие качественные прогнозы и в этом случае.

            КУРСОВЫЕ

1. Построение математических моделей экономических процессов методами регрессионного анализа

Construction of mathematical models of economic processes by regression analysis.

Аннотация. При выполнении этой работы предполагается изучение метода наименьших квадратов (для студентов 2-го курса) и методов выделения тренда, сезонной компоненты и оценивания параметров стационарного временного ряда (для студентов 3-го курса). Затем изученные методы иллюстрируются примером с реальными данными экономического или социологического характера.

 

2. Эмпирический анализ точности МНК и М-оценок в регрессионной модели со стохастическими регрессорами

Empirical analysis of the accuracy of the LSE and M-estimates in regression models with stochastic regressors

Аннотация. В условиях реального эксперимента данные часто бывают зашумлены. По этой причине оценки параметров, построенные методом наименьших квадратов (МНК), становятся малоэффективными. Предлагается провести моделирование регрессионных зависимостей с различными распределениями шумов, а затем сравнить точность МНК и М-оценок параметров модели.

3. Эмпирический анализ точности МНК и робастных LMS-оценок в регрессионной модели со стохастическими регрессорами

Empirical analysis of the accuracy of the LSE and LMS-estimates in regression models with stochastic regressors

 

Аннотация. В условиях реального эксперимента данные часто бывают зашумлены. По этой причине оценки параметров, построенные методом наименьших квадратов (МНК), становятся малоэффективными. Предлагается провести моделирование регрессионных зависимостей с различными распределениями шумов, а затем сравнить точность МНК и LMS-оценок параметров модели.

 

4. Эмпирический анализ точности МНК и робастных LTS-оценок в регрессионной модели со стохастическими регрессорами

Empirical analysis of the accuracy of the LSE and LTS-estimates in regression models with stochastic regressors

 

Аннотация. В условиях реального эксперимента данные часто бывают зашумлены. По этой причине оценки параметров, построенные методом наименьших квадратов (МНК), становятся малоэффективными. Предлагается провести моделирование регрессионных зависимостей с различными распределениями шумов, а затем сравнить точность МНК и LTS-оценок параметров модели.

5. Эмпирический анализ точности МНК и робастных S-оценок в регрессионной модели со стохастическими регрессорами

Empirical analysis of the accuracy of the LSE and S-estimates in regression models with stochastic regressors

 

Аннотация. В условиях реального эксперимента данные часто бывают зашумлены. По этой причине оценки параметров, построенные методом наименьших квадратов (МНК), становятся малоэффективными. Предлагается провести моделирование регрессионных зависимостей с различными распределениями шумов, а затем сравнить точность МНК и S-оценок параметров модели.

 

 

6.Сравнительный анализ выборочного коэффициента корреляции и рангового коэффициента Спирмена

Comparative analysis of sample coefficient of correlation and Spearman’s rank coefficient

Аннотация. Требуется провести моделирование коррелированных двумерных случайных величин различных вероятностных распределений, оценить истинный коэффициент корреляции двумя способами и сравнить точность использованных методов.

7. Сравнение различных методов доверительного оценивания коэффициента корреляции

Comparison of different methods of confidence estimation of the correlation coefficient

Аннотация. Требуется провести моделирование коррелированных двумерных случайных величин различных распределений, построить доверительные интервалы для коэффициента корреляции, используя метод Фишера и стандартную асимптотическую процедуру, сравнить длины построенных интервалов и частоту попадания истинного коэффициента корреляции в заданный интервал.

 

8. Сравнение эмпирических функций мощности критериев однородности против альтернативы сдвига в двухвыборочных задачах

Comparison of the empirical power functions of tests for the homogeneity against alternatives of shift in two-sample problems

Аннотация. С помощью численного моделирования требуется сгенерировать пары независимых выборок с различными средними значениями, провести проверку гипотезы об однородности этих выборок, используя параметрические и непараметрические статистические критерии, построить оценки для функции мощности каждого из рассмотренных критериев.

9. Сравнение эмпирических функций мощности критериев однородности против альтернативы масштаба в двухвыборочных задачах.

Comparison of the empirical power functions of tests for the homogeneity against alternatives of scale in two-sample problems

Аннотация. С помощью численного моделирования требуется сгенерировать пары независимых выборок с различными дисперсиями, провести проверку гипотезы об однородности этих выборок, используя параметрические и непараметрические статистические критерии,  построить оценки для функции мощности каждого из рассмотренных критериев.

 

10. Сжатие многомерных номинальных показателей

The reduction of a multidimensional nominal indicators

Аннотация. Для решения задачи снижения размерности многомерных количественных показателей используют известный метод главных компонент, основанный на специальном представлении корреляционной матрицы показателей. Предполагается модифицировать метод главных компонент для номинальных показателей. 

Публикации24

Участие в проектах ГУ-ВШЭ

  • Исследовательский проект Центра гражданского общества и некоммерческих организаций ГУ- ВШЭ под руководством И.В. Мерсияновой. Тема разработок: "Прогнозирование участия населения в благотворительной деятельности".

Дополнительные сведения

  • лауреат конкурса «Грант клуба выпускников МАИ»
  • лауреат (в соавторстве) третьей (2001) и второй (2004) премий имени 25-летия МАИ за «Комплекс базовых курсов по высшей математик

   в 2009 году подготовлен видеокурс: Е.Р.Горяинова "Основы математической статистики" (размещён на  www.intuit.ru)

  в 2010 году подготовлен видеокурс Е.Р. Горяинова "Статистические методы анализа данных" (размещён на www.intuit.ru)


Участие в грантах

Грант РФФИ 12-06-00205 "Построение и анализ математической модели трехуровневой системы "власть-общество-экономика" (руководитель проф. Дмитриев М.Г.)

Расписание занятий на сегодня

Полное расписание