Дополнительные главы прикладной статистики (2020/21) — различия между версиями

Версия 12:30, 16 сентября 2018

О курсе

Курс читается для студентов 3-го курса ПМИ ФКН ВШЭ в 1-2 модулях.

Лектора: Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

Полезные ссылки

Телеграм-чат курса: Общая группа курса ПСМО-18/19

Гитхаб курса: hse-stat-course-2018

Семинары

Отчётность по курсу и критерии оценки

Домашние задания

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

• На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
• Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
• Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

Тесты

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

Коллоквиум

За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5. Проводится в форме письменной контрольной.

Экзамен

Устный экзамен по всем темам модуля оценивается от 0 до 10 баллов с шагом в 0.5.

Итоговая оценка за курс

Итоговая оценка за курс расчитывается по следующей формуле:

O_итог = 0.8 * O_накопл + 0.2 * О_экз

O_накопл = 0.75 * O_дз + 0.25 * О_самост

Возможность получить автомат

Если вы:

• набрали больше или ровно 8 бонусных баллов за ДЗ;
• посетили больше или ровно 60% лекций;

То вы молодец и получаете право на 8, 9 или 10 автоматом(зависит от O_накопл :)

Лекции и семинары

Домашние задания

Новости курса

[08.09.18] - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

Полезные материалы

1. Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.

2. Wasserman L. All of Nonparametric Statistics. Springer, 2006.

3. Bishop C.M. Pattern recognition and machine learning. Springer, 2006.

4. David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.

5. Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.

6. Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.

7. Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.

8. Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.

9. Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.

10. Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.

11. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.

12. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.

13. Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.