Код: 318395

Назва:

Прикладний статистичний аналіз

Анотація: Курс є логічним продовженням дисципліни аналізу даних і присвячений методам сучасної прикладної статистики. Основна увага приділяється аналізу, моделюванню та прогнозування часових рядів. У курсі ви дізнаєтесь, як влаштовано світ сьогодні (моделювання) і що буде завтра (прогнозування). Розглядаються методи виділення тренду та періодичної складової, побудова авто кореляційної (АКФ) та часткової авто кореляційної (ЧАКФ) функції, моделювання часових рядів за допомогою АРІМА - моделей. Також розглядається теорія прогнозування стаціонарних часових рядів за умови відомої АКФ (або спектральної щільності) і в умовах спектральної невизначеності. У якості програмного забезпечення розглядаються електронні таблиці та мова програмування Python.

Тип дисципліни: вибіркова

Рік навчання: 1

Семестр: 2 (весняний)

Кількість кредитів: 4

Форма контролю: залік

Викладач(і): доц., к.ф-м.н. Щестюк Н.Ю.

Результати навчання: у результаті вивчення курсу студенти повинні володіти навичками:
- знати основні методи кореляційного та регресійного аналізу для виявлення взаємозв'язків між ознаками; осовні принципи використання кластерного та факторного аналізу; основні методи аналізу часових рядів; основні принципи побудови APIMA-моделей; основи прогнозування стаціонарних часових рядів в умовах відомої спектральної щільності та в умовах невизначеності;
- уміти застосовувати різноманітні методи обробки даних; використовувати можливості обчислювальної техніки при обробці та аналізі даних експерименту; використовувати результати для формулювання висновків.

Спосіб навчання: дистанційний

Необхідні обовязкові попередні й супутні модулі: математичний аналіз, теорія ймовірностей, математична статистика, методи оптимізації, аналіз даних.

Зміст дисципліни: МЕТОДИ БАГАТОМІРНОГО СТАТИСТИЧНОГО АНАЛІЗУ. Предмет, задачі, теоретична база прикладного статистичного аналізу. Методи прикладної статистики. Багатомірний статистичний аналіз: кореляційний та регресійний аналіз. Кластерний та факторний аналіз. Методи вимірювання віддалі між окремими об'єктами. Дендрограма. Відстані між кластерами. Методи зменшення кількості змінних. Методи класифікації. АНАЛІЗ ЧАСОВИХ РЯДІВ ТА ЙОГО ПРАКТИЧНЕ ЗАСТОСУВАННЯ. Статистика часових рядів. Виділення тренду та періодичної складової. Стаціонарні часові ряди. Лінійні моделі. Прогнозування часових рядів. Інтерполяція та екстраполяція часових рядів з відомою АКФ або спектральною щільністю.


Рекомендована література: 1. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалин Л.Д. Прикладная статистика.: Классификация и снижение размерности. Справочное издание под. ред. Айвазяна С.А. - М.: Финансы и статистика, 1989. - 607 с.
2. Айвазян С.А., Енюков И.С., Мешалин Л.Д. Прикладная статистика.: Основы моделирования и первичная обработка данных. Справочное издание под. ред. Айвазяна С.А. - М.: Финансы и статистика, 1983. -471 с.
3. Айвазян С.А., Енюков И.С., Мешалин Л.Д. Прикладная статистика.: Исследование зависимостей. Справочное издание под. ред. Айвазяна С.А. - М.: Финансы и статистика, 1985, - 471 с.
4.Боровиков В.П. Популярное введение в программу Statistica. М., 2001.
5. Гихман И.И., Скороход А.В., Ядренко М.И. Теория вероятностей и математическая статистика. - К.: Вища школа, 1988. - 438 с.
6. Гмурман В.Е. Пособие по решению задач по теории вероятностей и математической статистики. - М.: Высшая школа, 2000. - 345 с.

Форми та методи навчання: лекції, практичні заняття, доповіді, самостійна робота.

Методи й критерії оцінювання: рейтингова система оцінювання за 100-бальною шкалою: - за роботу в семестрі (доповіді, активність на практичних заняттях, контрольна робота, самостійні роботи)- 70%; - залік - 30%.

Мова навчання: українська