Предыдущая версия справа и слева
Предыдущая версия
Следующая версия
|
Предыдущая версия
|
study:fall2020:probmod [2020/09/21 21:19] nina |
study:fall2020:probmod [2021/03/31 14:02] (текущий) nina |
====== 521 и 522 гр., все. Вероятностные и статистические модели ====== | ====== 521 и 522 гр., все. Вероятностные и статистические модели ====== |
| |
**Место и время проведения:** (?) вторник, вторая пара, ауд.? .\\ | **Место и время проведения:** вторник, вторая пара, ауд.2516 .\\ |
| |
**Преподаватели:** Голяндина Нина Эдуардовна \\ | **Преподаватели:** Голяндина Нина Эдуардовна \\ |
Курс для магистров 1 года обучения, Прикладная математика и информатика (Математическое моделирование, программирование и искусственный интеллект). | Курс для магистров 1 года обучения, Прикладная математика и информатика (Математическое моделирование, программирование и искусственный интеллект). |
| |
[[https://docs.google.com/spreadsheets/d/11KsK1PcsxIntDZgtGtNgMEdCED2kvD3pNnelQQBbxjo/edit?usp=sharing|Посещаемость]]. | [[https://docs.google.com/spreadsheets/d/11KsK1PcsxIntDZgtGtNgMEdCED2kvD3pNnelQQBbxjo/edit?usp=sharing|Посещаемость и выбранные рефераты]]. |
| |
| {{ :study:fall2020:probmodel:probmodel_questions2020.pdf |Вопросы к зачету}} |
| |
| Информацию по TEX, включая установку и рекомендации по набору текста, можете найти [[study:fall2020:intro_mag|здесь]] и [[study:fall2020:dataprog|здесь]]. |
| |
| {{ :study:fall2020:probmodel:basic_intro_rpy.zip |Примеры на R и Python}} базовых действий, которые могут быть полезны для реферата 1. |
| |
| {{ :study:fall2020:probmodel:pvalue.pdf |Доклад прошлого года}} про распределение p-values, который может быть полезен для реферата 2. |
| |
Материал по теории вероятностей, который нужно знать для понимания лекций, можно найти в лекциях Н.И.Черновой. | Материал по теории вероятностей, который нужно знать для понимания лекций, можно найти в лекциях Н.И.Черновой. |
[[https://nsu.ru/mmf/tvims/chernova/sibguti/tv-sibguti.pdf|Теория вероятностей]] | [[https://nsu.ru/mmf/tvims/chernova/sibguti/tv-sibguti.pdf|Теория вероятностей]] |
| |
Литература по математической статистике: черновой {{ :study:fall2020:intro_mag:stat_golyandina20200921.pdf |конспект}} (будет обновляться и дополняться), возможны ошибки, просьба сразу сообщать о найденных. | Литература по математической статистике: черновой {{ :study:fall2020:intro_mag:stat_golyandina20210325.pdf |конспект}} (исправлено 24.11.2020, материалы для лекции 17.11 в конце файла), возможны ошибки, просьба сразу сообщать о найденных. |
| |
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. | 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. |
| |
==== План занятий ==== | ==== План занятий ==== |
| 08.12.2020 (online) Обзор методов оптимизации. (Последнее занятие.) {{ :study:fall2020:probmodel:optimization2020.pdf |Слайды}}. |
| |
| 01.12.2020 (online) Моделирование. Метод Монте-Карло. Случайный поиск. {{ :study:fall2020:probmodel:montecarlo2020.pdf |Слайды}}. |
| |
| 24.11.2020 (online) Последняя лекция по статистике. Множественные тесты (family-wise error)? |
| |
| 17.11.2020 (online) Робастные M-оценки. Доверительные интервалы и их связь с проверкой гипотез. Доверительные интервалы для пропорций. |
| |
| 10.11.2020 Статистика. AIC и SSE, пример. ОМП и оценки по минимуму хи-квадрат. Робастные оценки, критерии, методы, основанные на рангах. |
| |
| 03.11.2020 Статистика. Оценки максимального правдоподобия (продолжение) - линейная регрессия, логистическая регрессия (классификация), кластерный анализ. |
| |
| 27.10.2020 Статистика. Несимметричность ошибок I и II рода. Сравнение критериев по мощности с помощью распределения p-value. \\ |
| Оценки максимального правлоподобия. |
| |
| 20.10.2020 Статистика. Распределение p-value. Вероятность ошибки I рода и уровень значимости. Альтернативная гипотеза. Вероятность ошибки второго рода и мощность критерия, состоятельность. От чего зависит мощность. |
| |
| 13.10.2020 Статистика. Распределения Стьюдента хи-квадрат, Фишера. Гипотезы, критерии, p-value (t-test, хи-квадрат). |
| |
| 06.10.2020 Статистика. Постановка задачи, выборка, метод построения оценок. Парная регрессия. |
| |
| 29.09.2020 Теория вероятностей. Линейные комбинации и смеси. Про двумерные распределения, одномерные распределения компонент вектора, условные распределения, условные мат.ожидания. Меры и виды зависимости, ковариации, корреляции, связь с условными распределениями. Многомерное нормальное распределение и связь с линейностью. |
| |
22.09.2020 Теория вероятностей. Подготовка та же. Предполагается рассказать про асимметрию и эксцесс, про разные распределения (откуда и где возникают), нормальное распределение, про двумерные распределения, меры зависимости, ковариации, корреляции. Или про сходимость случайных величин сначала (?). | 22.09.2020 Теория вероятностей. Подготовка та же. Предполагается рассказать про асимметрию и эксцесс, про разные распределения (откуда и где возникают), про сходимость случайных величин. |
| |
15.09.2020 Теория вероятностей. Подготовка - вспомнить и разобраться в основах теории вероятностей. | 15.09.2020 Теория вероятностей. Подготовка - вспомнить и разобраться в основах теории вероятностей. |
| |
* Посещение занятия, на котором студент отвечает на вопросы на понимание, участвует в обсуждениях – 3 баллов, максимум 30 баллов за 10 занятий. | * Посещение занятия, на котором студент отвечает на вопросы на понимание, участвует в обсуждениях – 3 баллов, максимум 30 баллов за 10 занятий. |
* Возможно, будут выступление с докладом на 30 минут команды из 1-2 человек со слайдами и с показом примеров на R или Python – 40 баллов каждому при хорошем уровне доклада; число докладов будет ограничено и они будут выдаваться только тем. кто хорошо знаком с материалом. | * Возможно, будут выступления с докладом на 30 минут команды из 1-2 человек со слайдами и с показом примеров на R или Python – 40 баллов каждому при хорошем уровне доклада; число докладов будет ограничено и они будут выдаваться только тем, кто хорошо знаком с материалом. |
* 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) – 30 баллов при условии правильного выполнения вовремя, каждая неделя опоздания с предоставлением правильного варианта реферата уменьшает число баллов на 5; максимум 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) – 30 баллов при условии правильного выполнения вовремя, каждая неделя опоздания с предоставлением правильного варианта реферата уменьшает число баллов на 5; максимум три реферата. |
* Устный теоретический зачет (два вопроса) – 20 баллов за правильный и полный ответ на один вопрос. Исправленные ошибки снижают число баллов на 10 по каждому вопросу. | * Устный теоретический зачет (два вопроса) – 20 баллов за правильный и полный ответ на один вопрос. Исправленные ошибки снижают число баллов на 10 по каждому вопросу. |