Это старая версия документа!


521 и 522 гр., все. Дискретные и вероятностные модели

Место и время проведения: вторник, вторая пара, ауд. 3532.

Преподаватели: Голяндина Нина Эдуардовна, …

Курс для магистров 1 года обучения, Прикладная математика и информатика

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):
Теория вероятностей Математическая статистика

Вот еще 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.

Реферат 1 (дедлайн 15 октября) Реферат 2 (дедлайн 15 ноября)

Возможные темы докладов

  1. 24.09.2019 Предельные теоремы в теории вероятностей и их демонстрация на численных примерах (с моделированием). Кукульская A. и Лобачев М.
  2. 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

12.11.2019 (ауд. 3532) Оценки максимального правдоподобия (ОМП). Возможно, начнем разбираться с линейной регрессией и МНК. Это все будет нужно для реферата 2.
Выкладываю примеры, которые разбирали на занятии 05.11: про критерии и выбросы и про кубик.

05.11.2019 (ауд. 3532) Обзор разных гипотез и критериев. Доверительные интервалы. ОМП. Это все будет нужно для реферата 2.

29.10.2019 (ауд. 4399 (!)) Доклад. Зависимость мощности от … . Робастность/мощность, односторонние критерии. Радикальные и консервативные критерии. Это все будет нужно для реферата 2.

22.10.2019 (ауд. 3532) Продолжаем заниматься прикладной статистикой, для которой нужно вспомнить мат.статистику, например, прочитать эти лекции Н.Черновой. Критерии (про ОМП и доверит.интервалы отложим на след. раз). Это все будет нужно для реферата 2.

15.10.2019 (ауд. 3532) Продолжаем заниматься прикладной статистикой, для которой нужно вспомнить мат.статистику, например, прочитать эти лекции Н.Черновой. Эмпирическое распределение. Оценки, свойства оценок (несмещ., состоятельность в средне-квадр.), способы получения оценок (метод подстановки, метод моментов). Свойства выбор.среднего.

08.10.2019 (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 лекции Н.Черновой. Задачи статистики, выборка. Мат.ож. и дисперсия выборочного среднего.

01.10.2019 (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.

24.09.2019 (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.

17.09.2019 Продолжаем про теорию вероятностей. Разные распределения. Двумерные случайные величины. Независимость.

10.09.2019 Теория вероятностей. Подготовка - вспомнить и разобраться в основах теории вероятностей. Литература. Нужно прочитать первые 8 глав и проверять себя с помощью контрольных вопросов. При первом чтении можно пропустить 4.3, 4.4, 7.4. UPD. Кто не помнит - вспомните про мат.анализ, интегралы и производные.

03.09.2019 Вводное занятие. Опрос. Линейная алгебра.

Примерные темы будущих занятий.

  • Теория вероятностей. Статистический подход к построению вероятностных моделей.
  • Использование языка R для статистических методов
  • Обзор статистических методов. Точечные оценки, доверительные интервалы, проверка гипотез, меры зависимости
  • Линейные модели, нелинейные модели. Статистическое обучение. Регрессия и классификация.
  • Методы оптимизации в построении моделей. Метод максимального правдоподобия. Метод наименьших квадратов
  • Методы моделирования. Метод Монте-Карло.

Примерная схема получения баллов для зачета

(Может быть подкорректирована.)

Зачет ставится по бальной системе, включая устный зачет по материалам лекций и докладов. Для получения зачета нужно набрать 100 баллов.

Примерное распределение баллов следующее.

  • 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 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.1572982513.txt.gz · Последнее изменение: 2019/11/05 22:35 — nina
Наверх
CC Attribution-Noncommercial-Share Alike 4.0 International
Driven by DokuWiki Recent changes RSS feed Valid CSS Valid XHTML 1.0