Методы и модели многомерного анализа данных

Входные требования: Базовые знания в области теории вероятностей и математической статистики.

Зачетные единицы: 4

Семестр: 2

Курс: Основной

Цели

Студенты получат теоретические знания по теории вероятностей; разовьют навыки в области вероятностного моделирования и многомерного статистического анализа.

Содержание

Основные темы занятий в рамках дисциплины:
- Вероятностные модели для одномерных случайных величин. Базовые понятия и свойства закона распределения, функции распределения, плотности распределения. Методы оценивания параметров распределения. Вероятностный интервал, доверительный интервал, толерантный интервал.
- Вероятностные модели для многомерных случайных величин. Регрессионный анализ. Линейная и нелинейная регрессия. Корреляционный анализ. Канонические корреляции. Метод главных компонент. Естественные ортогональные функции. Факторный анализ. Дисперсионный анализ. Кластерный анализ. Многомерные интервальные оценки параметров распределений, регрессии.

Формат

Лекции, семинары, практические занятия.

Оценка

60% результаты выполнения практических заданий, 30% участие в научных дискуссиях и/или устный доклад на выбранную тему, 10% результаты теоретических тестов.
Дополнительная возможность улучшить оценку на экзамене.