Различия

Показаны различия между двумя версиями страницы.

Ссылка на это сравнение

Предыдущая версия справа и слева Предыдущая версия
Следующая версия
Предыдущая версия
study:fall2020:probmod [2020/10/27 21:10]
nina [План занятий]
study:fall2020:probmod [2021/03/31 14:02] (текущий)
nina
Строка 8: Строка 8:
  
 [[https://docs.google.com/spreadsheets/d/11KsK1PcsxIntDZgtGtNgMEdCED2kvD3pNnelQQBbxjo/edit?usp=sharing|Посещаемость и выбранные рефераты]]. [[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]].  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: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.
Строка 17: Строка 21:
 [[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_golyandina20201003.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 ====
-03.11.2020 Статистика. Оценки максимального правлоподобия (продолжение). Наверно, потом рассмотрим доверительные интервалы и их связь с проверкой гипотез.+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. \\ 27.10.2020 Статистика. Несимметричность ошибок I и II рода. Сравнение критериев по мощности с помощью распределения p-value. \\
Строка 61: Строка 75:
  
   * 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.
study/fall2020/probmod.1603822201.txt.gz · Последнее изменение: 2020/10/27 21:10 — nina
Наверх
CC Attribution-Noncommercial-Share Alike 4.0 International
Driven by DokuWiki Recent changes RSS feed Valid CSS Valid XHTML 1.0