Прикладной статистический анализ данных

О курсе

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

Лектор: Рябенко Евгений Алексеевич

Лекции проходят по понедельникам, 10:30 - 11:50, ауд. 509.

Карточка курса и программа

Почта для сдачи домашних заданий: psad.homework@gmail.com

Таблица с оценками

Оставить отзыв на курс: форма

Семинары

Группа	Преподаватель	Учебный ассистент	Страница
141 (МОП)	Швечиков Павел Дмитриевич	Егоров Евгений
142 (МОП)	Хальман Михаил Анатольевич	Георгий Варганов

Правила выставления оценок

В курсе предусмотрено несколько форм контроля знания:

• Проверочные работы на семинарах, проверяющие знание основных фактов с лекций и ключевые навыки студента
• Практические домашние работы на языке R (всего 4шт: 2 в первом модуле и 2 во втором)
• Коллоквиум в конце 1-го модуля
• Экзамен в конце 2-го модуля

Проверочные работы будут проводиться в режиме блиц преимущественно в начале семинара. В каждую проверочную работу будут входить задачи из списка, вывешенного на этой странице. В этот список будет входить фиксированный набор задач по каждой пройденной теме. После прохождения темы выложенные задачи к этой теме меняться не будут. Каждая следующая проверочная работа будет включать в себя случайную выборку из всех задач, включенных в этот список (в т.ч. и по предыдущим пройденным темам). Таким образом, старательный студент будет иметь возможность подготовиться к проверочной работе до начала семинара. При этом любые попытки списывания будут жестко караться в соответствии с правилами ВШЭ.

Итоговая оценка вычисляется на основе оценки за работу в семестре и оценки за экзамен:

O_{итоговая} = 0.8 * O_{накопленная} + 0.2 * О_экз

Оценка за работу в семестре вычисляется по формуле

O_{накопленная} = 0.2 * O_{самостоятельные} + 0.6 * О_дз + 0.2 * О_{коллоквиум}

Оценка за домашние задания рассчитывается как среднее значение оценок за все выданные домашние задания. Оценка за самостоятельную работу рассчитывается как среднее значение оценок за все проверочные работы, проведённые на семинарских занятиях.

Правила сдачи домашних заданий

Дедлайны по всем домашним заданиям являются жёсткими, то есть после срока работа не принимаются.

При обнаружении плагиата оценки за домашнее задание обнуляются всем задействованным в списывании студентам, а также подаётся докладная записка в деканат. Следует помнить, что при повторном списывании деканат имеет право отчислить студента.

Лекции

Лекция 1 (5 сентября). Базовые распределения, статистики и их свойства.

Cеминары

Семинар 1 (5-6 сентября). Знакомство с языком R.

Литература

Основная литература

1. Вальд, А. Последовательный анализ. — М.: Физматлит, 1960.
2. Кобзарь, А.И. Прикладная математическая статистика. — М.: Физматлит, 2006.
3. Лагутин, М.Б. Наглядная математическая статистика. — М.: П-центр, 2003.
4. Agresti, A. Categorical Data Analysis. — Hoboken: John Wiley & Sons, 2013.
5. Baltagi, B.H. Econometric analysis of panel data. — Hoboken: John Wiley & Sons, 3rd ed., 2005.
6. Bonnini, S., Corain, L., Marozzi, M., Salmaso S. Nonparametric Hypothesis Testing: Rank and Permutation Methods with Applications in R. — Hoboken: John Wiley & Sons, 2014.
7. Bretz, F., Hothorn, T., Westfall, P. Multiple Comparisons Using R. — Boca Raton: Chapman and Hall/CRC, 2010.
8. Cameron, A.A., Trivedi, P.K. Regression Analysis of Count Data. — Cambridge: Cambridge University Press, 2013.
9. Chihara, L., Hesterberg, T. Mathematical Statistics with Resampling and R — Hoboken: John Wiley & Sons, 2011.
10. Diez, D.M, Barr, C.D., Cetinkaya-Rundel, M., Dorazio, L. Advanced High School Statistics. — OpenIntro, 2015.
11. Hosmer, D.W., Lemeshow S., Sturdivant, R.X. Applied Logistic Regression. — Hoboken: John Wiley & Sons, 2013.
12. Hyndman, R.J., Athanasopoulos G. Forecasting: principles and practice. — OTexts, 2016. https://www.otexts.org/book/fpp
13. Kanji, G.K. 100 statistical tests. — London: SAGE Publications, 2006.
14. Mukhopadhyay, N., de Silva, B. M. Sequential methods and their applications. — Boca Raton: Chapman and Hall/CRC, 2009.
15. Olsson, U. Generalized Linear Models: An Applied Approach. — Lund: Studentlitteratur, 2004.
16. Pearl J., Glymour M., Jewell N.P. Causal Inference in Statistics: A Primer. — Chichester: John Wiley & Sons, 2016.
17. Tabachnick, B.G., Fidell, L.S. Using Multivariate Statistics. — Boston: Pearson Education, 2012.
18. Wooldridge, J. Introductory Econometrics: A Modern Approach. — Mason: South-Western Cengage Learning, 2013.

Дополнительная литература

1. Dickhaus, T. Simultaneous Statistical Inference With Applications in the Life Sciences. — Heidelberg: Springer, 2014.
2. Good, P. Permutation, Parametric and Bootstrap Tests of Hypotheses: A Practical Guide to Resampling Methods for Testing Hypotheses. — New York: Springer, 2005.
3. Khurshid, A. (2010). Binomial and Poisson Confidence Intervals and its Variants: A Bibliography. Pakistan Journal of Statistics and Operation Research, (1), 75–100.
4. Newcombe, R. G. (1998). Two-sided confidence intervals for the single proportion: comparison of seven methods. Statistics in Medicine, 17, 857–72.
5. Newcombe, R. G. (1998). Improved confidence intervals for the difference between binomial proportions based on paired data. Statistics in Medicine, 17, 2635–2650.
6. Newcombe, R. G. (1998). Interval estimation for the difference between independent proportions: comparison of eleven methods. Statistics in Medicine, 17, 873–890.
7. Ng, H. K. T., Gu, K., & Tang, M. L. (2007). A comparative study of tests for the difference of two Poisson means. Computational Statistics & Data Analysis, 51(6), 3085–3099.