Цели дисциплины «Статистика» состоят в ознакомлении учащихся с основными этапами и базовыми методами статистического анализа данных, применяемыми при обработке информации; выработке навыков решения конкретных практических задач и использования основных пакетов прикладных программ, применяемых для статистического анализа в профессиональной деятельности.
Изучаемые теоретические положения, формируемые навыки необходимы для освоения курсов, углубляющих и специализирующих умения обучающихся работать с проектами, технологиями статистического анализа данных, применяемых при обработке информации, а также для выполнения выпускной квалификационной работы.
О курсе
- Сформировать у студентов положительную мотивацию на использование современных статистических методов в фундаментальных прикладных исследованиях;
- Дать знания об основных понятиях статистики, их применении для представления и анализа результатов аналитического исследования;
- Способствовать овладению студентами навыками статистического анализа, использования полученных данных при подготовке проектной документации, необходимой при решении различных профессиональных задач в сфере рекламы и связей с общественностью (технико-экономическое обоснование, техническое задание, бизнес-план, креативный бриф, соглашение, договор, контракт).
Формат
- видеолекции;
- презентации;
- тестовые задания на оценку;
- вопросы к обсуждению на форуме курса.
Предусмотрено итоговое контрольное тестирование по содержанию всего курса. Финальная оценка результатов обучения формируется на основе данных итогового тестирования и еженедельного контроля.
Информационные ресурсы
Требования
Входными требованиями для освоения дисциплины «Статистика» является изучение курсов «Компьютерные технологии и информатика», «Математика», формирующие у обучающихся необходимые знания в области математических основ статистического анализа данных.
Программа курса
Модуль 1. Знакомство с пакетом R.
- Рабочее пространство в R.
- Типы и структуры данных.
- Последовательности, векторы, матрицы.
- Списки, массивы, факторы.
- Объекты типа data.frame.
Модуль 2. Введение в статистику. Предварительная обработка данных. Способы представления выборок.
- Введение в статистику.
- Сводка, группировка.
- Измерительные шкалы и типы данных.
- Генеральная и выборочная совокупность.
- Табличные способы представления выборок.
- Графические способы представления выборок.
Модуль 3. Оценки параметров. Описательные статистики.
- Точечные оценки параметров.
- Числовые характеристики выборки.
- Средние показатели.
- Меры вариации.
- Структурные характеристики.
- Интервальное оценивание.
- Предварительная обработка данных (пропуски, выбросы).
Модуль 4. Проверка статистических гипотез.
- Проверка статистических гипотез.
- Критерии согласия.
- Критерии проверки нормальности.
Модуль 5. Сравнение групп. Параметрические и непараметрические критерии.
- Параметрические критерии сравнения групп.
- Непараметрические критерии сравнения групп.
Модуль 6. Корреляционный анализ.
- Корреляционный анализ количественных данных. Парный коэффициент корреляции Пирсона.
- Ранговая корреляция.
- Корреляционный анализ категоризованных данных. Анализ таблиц сопряженности.
Модуль 7. Регрессионный и дисперсионный анализ.
- Регрессионный анализ. Общая постановка задачи.
- Парная регрессии.
- Множественная регрессия.
- Дисперсионный анализ (ANOVA). Общая постановка задачи.
- Однофакторный ANOVA.
- Двухфакторный ANOVA.
Модуль 8. Анализ рядов динамики. Экономические индексы.
- Определение и структура временного ряда.
- Методы сглаживания временного ряда.
- Сезонная составляющая.
- Экономические индексы.
Модуль 9. Итоговая аттестация.
Результаты обучения
В результате освоения курса студент сможет (научится):
- Проводить предварительную обработку данных для статистических исследований.
- Выбирать наиболее адекватные статистические методы для анализа.
- Применять (реализовывать) статистические методы для анализа данных.
- Применять пакеты прикладных программа для реализации статистических методов.
- Интерпретировать полученные результаты.
Направления подготовки
Преподаватели
Кабанова Татьяна Валерьевна
Кандидат физико-математических наук,
доцент кафедры теории вероятностей и математической статистики Института прикладной математики и компьютерных наук НИ ТГУ