Различия

Показаны различия между двумя версиями страницы.

--- study:fall2019:probmod [2019/09/10 21:19]
nina [План занятий]
+++ study:fall2019:probmod [2019/12/27 21:17]
nina [521 и 522 гр., все. Дискретные и вероятностные модели]
@@ Строка 5: / Строка 5: @@
 **Преподаватели:** Голяндина Нина Эдуардовна, ...                     \\
-Курс для магистров 1 года обучения, Прикладная математика и информатика
+Курс для магистров 1 года обучения, Прикладная математика и информатика.
+{{ :study:fall2019:probmod:probmodel_questions0.pdf |Список вопросов}} для зачета (кому не хватило баллов, см. [[https://docs.google.com/spreadsheets/d/1OC_x5pmdcs4x1tXeFbijvWbG8ULMM4PCiBGtvahPxeM/edit?usp=sharing|список с баллами]]).
+Материал, который нужно знать для понимания лекций, можно найти в лекциях Н.И.Черновой.
+У нее есть лекции для математиков и для не математиков. Ссылки для последних (знание математики там, конечно, тоже требуется):\\
+[[https://nsu.ru/mmf/tvims/chernova/sibguti/tv-sibguti.pdf|Теория вероятностей]]   [[https://nsu.ru/mmf/tvims/chernova/ms/ms_nsu14.pdf|Математическая статистика]]
+Вот еще [[http://www.antonpiter.narod.ru/7361/5semestr/VM_analiz_dannix.PDF|источник по прикладной статистике]] (там поменьше формул и побольше слов; части про пакеты стат.программ читать не надо). Главы 1-5, 9, 10, 8, 6, 7.
+[[https://docs.google.com/document/d/1jnAzUfpT8GR19nv0YbQWxH4T2-RRdpJO0HqVhOTxCvg/edit?usp=sharing|Реферат 1]] (дедлайн 15 октября)
+[[https://docs.google.com/document/d/1hixn99FNW299GDaj-nK3Jp90Wvua3xoxesITuXpm2J8/edit?usp=sharing|Реферат 2]] (дедлайн 15 ноября)
+[[https://docs.google.com/document/d/1woHRoyMkL2Y9XNnD1_wfdy4bKExteWrihYHgN5UthEY/edit?usp=sharing|Реферат 3]] (дедлайн за неделю до зачета)
 ==== Возможные темы докладов ====
-  - 24.09.2019 Предельные теоремы в теории вероятностей и их демонстрация на численных примерах (с моделированием). Кукульская A. и ?
+  - 24.09.2019 Предельные теоремы в теории вероятностей и их демонстрация на численных примерах (с моделированием). Кукульская A. и Лобачев М.
+  - 29.10.2019 (UPD) Проверка применимости критерия с помощью моделирования (равномерное распределение p-value). Как из консервативного или радикального критерия сделать точный критерий? Как по распределению p-level сравнить критерии по мощности?  Соколиков Е. и Мальцев А.
 ==== План занятий ====
+.12.2019 (ауд. 4399) Датчик псевдослучайных чисел. Моделирование. Метод Монте-Карло. (последнее занятие) Эта и предыдущая тема будут использоваться в третьем реферате (тем, кому не хватило двух). {{ :study:fall2019:5stat_lecture:simulation.pdf |Слайды}}.
+.11.2019 (ауд. 4399 (!)) Методы оптимизации (используются в ММП, МНК, машинном обучении, ...).\\
+Расширенный вариант слайдов от Никиты Звонарева можно найти [[study:fall2019:4cpp_pract|здесь]]\\
+.11.2019 (ауд. 3532) Линейная регрессия. Метод наименьших квадратов в общем случае (МНК). Это все может пригодиться для реферата 2.\\
+.11.2019 (ауд. 3532) Асимптотически нормальные оценки. Доверительные интервалы и проверка гипотез через SE. Неравенство Рао-Крамера. Оценки максимального правдоподобия (ОМП). \\
+Выкладываю примеры, которые разбирали на занятии 05.11: про {{ :study:fall2019:probmod:t-test_and_wilcoxon_outliers_.pdf |критерии и выбросы}}  и про {{ :study:fall2019:probmod:six-sided_die.pdf |кубик}}.
+.11.2019 (ауд. 3532) Обзор разных гипотез и критериев. Доверительные интервалы. ОМП. Это все будет нужно для реферата 2.
+.10.2019 (ауд. 4399 (!)) Доклад. Зависимость мощности от ...  . Робастность/мощность, односторонние критерии. Радикальные и консервативные критерии. Это все будет нужно для реферата 2.
+.10.2019 (ауд. 3532) Продолжаем заниматься прикладной статистикой, для которой нужно вспомнить мат.статистику, например, прочитать эти [[https://nsu.ru/mmf/tvims/chernova/ms/lec/ms.html|лекции]] Н.Черновой. Критерии (про ОМП и доверит.интервалы отложим на след. раз). Это все будет нужно для реферата 2.
+.10.2019 (ауд. 3532) Продолжаем заниматься прикладной статистикой, для которой нужно вспомнить мат.статистику, например, прочитать эти [[https://nsu.ru/mmf/tvims/chernova/ms/lec/ms.html|лекции]] Н.Черновой. Эмпирическое распределение. Оценки, свойства оценок (несмещ., состоятельность в средне-квадр.), способы получения оценок (метод подстановки, метод моментов).
+Свойства выбор.среднего.
+.10.2019 (ауд. 3532) Ковариация, дисперсия суммы, коэффициент корреляции, его свойства. Линейная регрессия, модели. Приступаем к прикладной статистике, для которой нужно вспомнить мат.статистику, например, прочитать эти [[https://nsu.ru/mmf/tvims/chernova/ms/lec/ms.html|лекции]] Н.Черновой. Задачи статистики, выборка. Мат.ож. и дисперсия выборочного среднего.
+.10.2019 (ауд. 3532) Про то, что значит "промоделировать" в реферате. Про допредельный случай суммы двух равномерно-распределенных величин (треугольное распределение). Смесь распределений. Условное математическое ожидание. Определение регрессии.
+.09.2019 (ауд.4399 (!)) Продолжаем про теорию вероятностей. Сходимость случайных величин, предельные теоремы (доклад Насти и Миши, там будут примеры того, что надо сделать в реферате, теория и моделирование). Условные распределения. Независимость.
-.09.2019 Продолжаем про теорию вероятностей. Разные распределения. Разные меры зависимости, ...
+.09.2019 Продолжаем про теорию вероятностей. Разные распределения. Двумерные случайные величины. Независимость.
 .09.2019 Теория вероятностей. Подготовка - вспомнить и разобраться в основах теории вероятностей.
@@ Строка 44: / Строка 81: @@
   * Посещение занятия, на котором студент отвечает на вопросы на понимание, участвует в обсуждениях – 5 баллов, максимум 60 баллов за 12 занятий.
   * Выступление с докладом на 30 минут команды из 1-2 человек со слайдами и с показом примеров на R или Python – 40 баллов каждому; число докладов будет ограничено.
-  * Написание реферата на один из вопросов (теория и примеры применения на R или Python, выполненные самостоятельно) – 20 баллов, максимум 60 баллов за три реферата.
+  * Написание реферата на один из вопросов (теория в TEX, которая записана своими словами без переписанных один в один абзацев текста, и примеры применения на R или Python, выполненные самостоятельно) – 20 баллов (если вовремя), максимум 60 баллов.
+  * UPD. Для рефератов назначаются дедлайны. При опоздании каждую неделю число баллов уменьшается на 5.
   * Устный теоретический зачет – 40 баллов.

study/fall2019/probmod.txt · Последнее изменение: 2020/09/06 04:31 — nina

Наверх