• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Статья
Inclusion in education: Its bonds and bridges

Iarskaia-Smirnova E. R., Salnikova D., Kononenko R. V.

Children and Youth Services Review. 2024. Vol. 158.

Глава в книге
Assessment of the Impact of the Urban Environment on the Emotional State of Citizens

Burova A., Nikonov V.

In bk.: Proceedings of CIRMARE 2023. Recovery, Maintenance and Rehabilitation of Buildings. Cham: Springer, 2024. P. 233-241.

Препринт
Fast gradient-free activation maximization for neurons in spiking neural networks

Pospelov N., Chertkov A., Beketov M. et al.

arxiv Neural and Evolutionary Computing. arxiv:cs.NE. Cornell University, 2023

Введение в многомерный статистический анализ

2022/2023
Учебный год
RUS
Обучение ведется на русском языке
5
Кредиты
Статус:
Курс по выбору
Когда читается:
2-й курс, 3, 4 модуль

Преподаватели

Программа дисциплины

Аннотация

Курс «Введение в многомерный статистический анализ» состоит из двух частей. Первая часть является логическим продолжением курса "Введение в регрессионный анализ", читаемого в 1 модуле для второкурсников ОП "Политология". Одним из форматов занятий является репликация результатов исследований с последующей критикой примененной стратегии эмпирического анализа. Вторая часть курса знакомит слушателей со статистическими методами снижения размерности признакового пространства и кластерным анализом. На занятиях для анализа данных используется RStudio. Для успешного освоения студенты должны знать материал в объеме курсов "Теория вероятностей и математическая статистика", "Введение в регрессионный анализ", "Линейная алгебра".
Цель освоения дисциплины

Цель освоения дисциплины

  • Овладеть знаниями в области математической статистики и многомерных методов анализа, необходимыми в социальных науках.
Планируемые результаты обучения

Планируемые результаты обучения

  • Корректно интерпретирует оценки коэффициентов множественной регрессии, включающей переменные взаимодействия
  • Корректно применяет и интерпретирует результаты кластерного анализа
  • Корректно применяет и интерпретирует результаты метода главных компонент
  • Корректно применяет и интерпретирует результаты факторного анализа
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Модель множественной линейной регрессии. Повторение.
  • МНК-оценки в рамках множественной линейной регрессии
  • Оценка качества регрессионной модели: коэффициент детерминации
  • Мультиколлинеарность
  • Свойства оценок коэффициентов в регрессионной модели
  • Устойчивость регрессионной модели
  • Инференция в регрессии при помощи бутстрапа
  • Модель множеcтвенной линейной регрессии. Эффекты взаимодействия переменных и фиктивные переменные
  • Снижение размерности многомерного признакового пространства
  • Классификация объектов
  • Факторный анализ
Элементы контроля

Элементы контроля

  • неблокирующий Семинарская активность
  • неблокирующий Домашние задания
  • неблокирующий Проверочная работа 1
  • неблокирующий Проверочная работа 2
  • неблокирующий Проверочная работа 3
  • неблокирующий Контрольная работа
  • неблокирующий Экзаменационная работа
Промежуточная аттестация

Промежуточная аттестация

  • 2022/2023 учебный год 4 модуль
    0.15 * Домашние задания + 0.05 * Проверочная работа 2 + 0.2 * Контрольная работа + 0.05 * Проверочная работа 1 + 0.1 * Семинарская активность + 0.05 * Проверочная работа 3 + 0.4 * Экзаменационная работа
Список литературы

Список литературы

Рекомендуемая основная литература

  • Прикладная статистика и основы эконометрики : учебник для вузов, Айвазян, С. А., 1998

Рекомендуемая дополнительная литература

  • Путеводитель по современной эконометрике : учеб.- метод. пособие для вузов, Вербик, М., 2008