Теория вероятностей и математическая статистика, фэн, 2019-2020
Содержание
- 1 Общая информация
- 2 Материалы к курсу
- 3 Первый семестр
- 4 Второй семестр
- 4.1 До-онлайн эра. Многомерное нормальное распределение. Методы получения оценок.
- 4.2 24 марта. Критерий эффективности оценок. Асимптотические свойства оценок. Дельта-метод.
- 4.3 7 апреля. Стратифицированное среднее. Доверительный интервал для ожидания и дисперсии.
- 4.4 14 апреля. Доверительный интервал для разности ожиданий.
- 4.5 21 апреля. Асимптотические доверительные интервалы.
- 4.6 28 апреля. Общая теория проверки гипотез.
- 4.7 12 мая. Проверка гипотез об ожидании, дисперсии, доле.
- 4.8 19 мая. Сравнение ожиданий.
- 4.9 26 мая. Критерии согласия распределений.
- 4.10 1 июня. Проверка независимости признаков.
- 4.11 8 июня. Байесовский подход.
- 5 DataCamp
- 6 Проект по статистике
- 7 Основная литература
- 8 Дополнительная литература
Общая информация
Правила дистанционного обучения ТВиМС
Видео лекций и семинаров будут выкладываться каждую неделю накануне вторника – лекционного дня по расписанию. Соответствующие ссылки будут появляться на wiki-странице курса, в ЛМС и тг-канале «Статистика, фэн, весна 2020».
Каждый четверг в 12.00 будет проходить он-лайн консультация в zoom по материалам последней лекции. Соответствующая ссылка будет появляться в тг-канале. Первый приоритет имеют вопросы, присланные заранее на почту statmet@yandex.ru, остальное время - текущие вопросы от аудитории. Желающие «посетить» консультацию, должны пройти по ссылке не позднее 12.15. Если в первые 15 минут от начала консультации желающие не объявляются, консультация заканчивается. Если в течение 5 минут после ответа на вопрос новые вопросы не поступают, консультация заканчивается.
Каждый четверг, начиная с 9 апреля, с 13.00 до 13.30 или с 13.00 до 13.40 будет проходить мини-контрольная. Задачи мини-контрольной – это задания несостоявшейся контрольной №3. В это время необходим доступ к сети. Условия задач будут появляться на wiki-странице. Решение может быть записано от руки. Если решение записано от руки, его нужно сфотографировать и, расположив решения в удобном для чтения порядке, преобразовать в единый pdf-файл. Имя файла должно обладать следующей структурой:
krX_XXX.pdf
где krX – идентификатор мини контрольной, XXX – идентификатор студента (от 1 до 3 цифр), например, kr2_123.pdf или kr2_12.pdf. Идентификатор студента можно найти в столбце id_for_online напротив ФИО в списке с оценками. За плохое оформление работы штраф 10% от веса мини контрольной. С мобильного телефона создать pdf можно в разных программах, например, в tinyscanner.
Файлы с решением загружаются в систему ЛМС (при возникновении проблем с загрузкой высылаются на почту tasks-and-tests@yandex.ru). Решения, присланные после объявленного времени, не принимаются.
Критерии проверки миниконтрольной работы №1: каждый пункт весит 2 балла, при наличии арифметической ошибки – 1 балл. Итого максимум 16 баллов.
Правила пересмотра работ
- Студент обязан посмотреть разбор миниконтрольной работы и оценить свою работу в соответствии с критериями.
- Если студент считает, что его работа недооценена, он пишет заявление на имя преподавателя, ведущего семинары в его группе, с указанием числа баллов за каждый пункт, которые студент, по его мнению, должен был получить. Заявление отправляется на почту преподавателя и почту прикреплённого к группе ассистента.
Внимание!
- Если при просмотре работы выясняется, что пункт задачи, заявленный студентом как решённый верно, решён не верно, накладывается штраф – вес пункта.
Пример: Студент Иванов получил за работу 10 баллов, правильно решив 5 пунктов. Сам же студент полагает, что правильно решил 6 пунктов. После пересмотра работы его оценка 8 баллов.
Преподаватели еженедельно проводят он-лайн консультации для своих групп согласно расписанию, соответствующие ссылки будут появляться в тг-канале. Консультации проводятся по тем же правилам, что и консультации по лекциям.
Домашнее задание по курсу выдаётся преподавателем, ведущим семинары.
Вместо оценки за аудиторную активность ставится оценка за прохождение курсов на Data Camp.
Материалы к курсу
Материалы мини контрольных
Подборка контрольных прошлых лет
Семинары ИП
Таблицы распределений
Первый семестр
Все слайды первого семестра: pdf.
Тема 1. Вероятность, условная вероятность.
Слайды. Дискретное вероятностное пространство. Теорема сложения. Теорема умножения. Условная вероятность. Независимость двух событий (попарная). Независимость в совокупности. Формула полной вероятности. Формула Байеса.
Тема 2. Дискретные распределения.
Слайды. Схема Бернулли. Формула Бернулли. Биномиальное распределение вероятностей. Теорема о вероятности первого успеха. Геометрическое распределение вероятностей.Теорема Пуассона. Уточнённая теорема Пуассона. Распределение Пуассона.
Тема 3. Случайные величины.
Слайды. Распределение Пуассона. Геометрическая вероятность. Вероятностное пространство. Борелевская сигма-алгебра. Случайная величина. Функция распределения. Функция плотности.
Тема 4. Числовые характеристики случайных величин.
Слайды. Математическое ожидание. Дисперсия и стандартное отклонение.
Второй семестр
Сопровождающий текст к видеолекциям и семинарам pdf.
До-онлайн эра. Многомерное нормальное распределение. Методы получения оценок.
Многомерное нормальное распределение. Слайды.
Методы получения оценок. Метод моментов. Метод максимального правдоподобия.
1. Разберите решение задач на метод моментов.
2. Разберите решения трёх задач на нахождение оценок методом максимального правдоподобия и методом моментов:
* задача о немецких танках, подробнее в статье на Википедии German tank problem * Винни-Пух собирает мёд, * Винни-Пух собирает мёд: непрерывный вариант
24 марта. Критерий эффективности оценок. Асимптотические свойства оценок. Дельта-метод.
1. Разберите теоретический материал лекции:
- Слайды к лекции
- Критерий эффективности
- Асимптотические свойства оценок и дельта метод
- Доказательство дельта метода
- Пример: продолжительность безработицы
Обратите внимание, при доказательстве дельта метода опечатка на доске - по условию производная функции отлична от нуля в любой точке.
2. Взбодритесь и отдохните:
- Дельта метод глазами студентов
3. Разберите решение семинарских задач:
Эпизод I: Определение асимптотической нормальности. ЦПТ. Эпизод II: Задача "Гравицаппа-1": поиск асимптотического распределения ML оценки. текст задачи "Гравицаппа-1". Эпизод III: Задача "Гравицаппа-2": дельта-метод. текст задачи "Гравицаппа-2".
4. Решите самостоятельно задачи:
Эпизод IV: Дополнительная задача "Лампочка Ильича-1" на асимптотические свойства ML-оценок. Эпизод V: Дополнительная задача "Лампочка Ильича-2" на дельта-метод.
Пробная миниконтрольная 24 марта, 13:40 — 14:00. Оценка за пробную миникр не ставится. Обязательно попробуйте!
Мини контрольная 0
7 апреля. Стратифицированное среднее. Доверительный интервал для ожидания и дисперсии.
Доверительные интервалы. Основные понятия, теорема (следствие Леммы Фишера), ДИ для МО, дисперсии.
1. Разберите теоретический материал лекций:
Стратифицированное среднее (восстановление лекции от 17 марта)
- Слайды к лекции
- Эпизод 1. Понятие стратифицированного среднего
- Эпизод 2. Дисперсия стратифицированного среднего
- Эпизод 3. Оптимизационная задача стратифицированного среднего
- Эпизод 4. Теорема о разности дисперсии среднего и дисперсии стратифицированного среднего
- Эпизод 5. Доказательство теоремы
- Эпизод 6. Пример о разбиении общества на страты
Доверительный интервал для ожидания и дисперсии
- Слайды к лекции
- Общие понятия. Следствие леммы Фишера
- ДИ для математического ожидания. Выборки из нормального распределения.
- ДИ для математического ожидания: свойства и примеры
- Ещё пример
- ДИ для дисперсии
2. Разберите решение задач семинара.
3. Самостоятельно решите задачи:
Задачи: доверительные интервалы для ожидания и дисперсии.
4. Миниконтрольная №1 Матвея в студию!
14 апреля. Доверительный интервал для разности ожиданий.
Доверительные интервалы. Разности средних.
1. Разберите теоретический материал лекций:
- Слайды к лекции
- ДИ для разницы ожиданий. Связанные пары.
- ДИ для разницы ожиданий. Независимые выборки. Известные дисперсии.
- ДИ для разницы ожиданий. Независимые выборки. Известные дисперсии - пример.
- ДИ для разницы ожиданий. Независимые выборки. Неизвестные равные дисперсии.
- ДИ для разницы ожиданий. Независимые выборки. Неизвестные равные дисперсии. Пример.
- Пример. Что насчитали инопланетяне?
2. Разберите решение задач семинара.
- Задачи к семинару
- Эпизод 1. ДИ для разности ожиданий: связные выборки
- Эпизод 2. ДИ для разности ожиданий: известные дисперсии
- Эпизод 3. ДИ для разности ожиданий: неизвестные равные дисперсии
3. Самостоятельно решите задачи из прошлых кр:
КР3 2017-2018 номер 8, КР3 2016-2017 номер 5. В следующих задачах необходимо не тестировать гипотезы, а строить доверительные интервалы: КР3 2011-2012 номер 3, КР4 2017-2018 номер 7, КР4 2016-2017 номер 3, КР4 2015-2016 номер 6
4. Миниконтрольная №2
миниконтрольная №2 и снова Матвея в студию!
5. Используйте скрипт на питоне для решения задач семинара.
21 апреля. Асимптотические доверительные интервалы.
Асимптотические доверительные интервалы. Дельта-метод.
1. Разберите теоретический материал лекций:
- Слайды к лекции
- Асимптотический ДИ для математического ожидания
- Пример: ДИ для вероятности
- Построение асимптотического ДИ с помощью дельта метода
- Пример: безработица
- Асимптотический ДИ для разности долей
2. Разберите решение задач семинара.
3. Самостоятельно решите задачи:
28 апреля. Общая теория проверки гипотез.
Проверка гипотез. Общие понятия, мощность теста.
Лекция.
Семинар.
12 мая. Проверка гипотез об ожидании, дисперсии, доле.
Проверка гипотез. Мо, дисперсия, доля.
Лекция.
Семинар.
Дополнительные задачи: проверка гипотез об ожидании.
19 мая. Сравнение ожиданий.
Проверка гипотез. Сравнение МО.
Лекция.
Семинар.
Дополнительные задачи: сравнение ожиданий.
26 мая. Критерии согласия распределений.
Проверка гипотез. Критерии согласия (Пирсона, LR, Колмогорова).
Лекция.
Семинар.
Дополнительные задачи: критерии согласия распределений Пирсона.
Дополнительные задачи: LR-тест.
1 июня. Проверка независимости признаков.
Проверка гипотез. Независимость признаков.
Лекция.
Семинар.
8 июня. Байесовский подход.
Байесовский подход.
Лекция.
Семинар.
* 3blue1brown, Probabilities of probabilities 1 * Matthew Stephens, Five Minutes Stats: много примеров на байесовский подход
DataCamp
Для базового потока:
- до 23 апреля 21.00 Introduction to Data Visualization with Seaborn;
- до 07 мая 21.00 Introduction to Data Visualization in Python;
- до 21 мая 21.00 Statistical Simulation in Python.
Инструкция на случай отсутствия доступа.
Для исследовательского потока:
- до 23 апреля 21.00 Visualization best practices in r;
- до 07 мая 21.00 Communicating with data in the tidyverse;
- до 21 мая 21.00 Основы математической статистики с R.
- + 1 курс к 21 мая по своему выбору.
Проект по статистике
Правила участия в проекте по статистике
Основная литература
- Алексей Шведов, Теория вероятностей и математическая статистика: пособие для вузов
- Алексей Шведов, Теория вероятностей и математическая статистика - 2 (промежуточный уровень) : учеб. пособие
- Борзых Д. А. Теория вероятностей и математическая статистика в задачах: Более 360 задач и упражнений. М. : Издательская группа URSS, 2020 ссылка
- Blitzstein, Hwang, Introduction to probability: без статистики, но с mcmc и упражнениями в R :) И материалы его курса Statistics 110
Дополнительная литература
- Dekking, Modern introduction to probability and statistics. Учебник, упражнения в конце каждой главы.
- Kelbert, Suhov, Probability and statistics by example. Задачи Кембриджских тривиумов с подробными решениями. Кельберт, Сухов, Вероятность и статистика в примерах и задачах.
- Наталья Чернова, Теория вероятностей.
У Черновой менее популярное определение функции распределения, $F(t)=P(X<t)$, в нашем курсе мы используем $F(t)=P(X\leq t)$, будьте аккуратны.
- Наталья Чернова, Математическая статистика
- Williams, Weighing the odds, Учебник с кучей красивых примеров, для начинающих изучать вероятности с нуля, но довольно требовательный к читателю.
- Grimmett and Stirzaker, Probability and Random Processes
- Grimmett, One thousand exercises in probability