DMS377 Datu analīze un statistiskā optimizācija

Kods DMS377
Nosaukums Datu analīze un statistiskā optimizācija
Statuss Obligātais/Obligātais izvēles
Līmenis un tips Pamatstudiju, Profesionālais
Tematiskā joma Matemātika un statistika
Struktūrvienība Varbūtību teorijas un matemātiskās statistikas katedra
Mācībspēks Oksana Pavļenko, Andrejs Matvejevs
Kredītpunkti 2.0 (3.0 ECTS)
Daļas 1
Anotācija Datu apstrāde un attēlošana: zaru un lapu diagrammas, histogrammas, empīriskie sadalījumi, empīriskie momenti, datu apstrāde ar EXCEL un MINITAB, gadījuma lielumu ģenerēšana,ģenerējošās un raksturīgās funkcijas, centrālā robežteorēma. Daudzdimensiju normālais sadalījums: kovariāciju matrica, gadījumu lielumu ar uzdotu kovariāciju matricu ģenerēšana, gadījuma lielumu neatkarība, Hi-kvadrātrā, Stjudenta un Fišera sadalījumi. Kohrena teorēma un brīvības pakāpju skaits.Izlases vidējās vērtības un izlases dispersiju neatkarība. Statistiskie novērtējumi: maksimālās ticamības un momentu metode, autoregresijas modeļi, rekurentie novērtējumi, pakāpeniskā analīze. Statistiskie lēmumi: hipotēžu pārbaude, kritēriju līmenis un jauda, Neimana-Pīrsona lemma, vienpusējās un divpusējās hipotēzes, Hi-kvadrātā un Kolmogorova saskaņas kritēriji. Optimāla daudzfaktoru eksperimentu plānošana..
Mērķis un uzdevumi, izteikti
kompetencēs un prasmēs
Priekšmeta mērķis ir iepazīstināt studentus ar statistikas datu analīzes un statistiskās optimizācijas pamatuzdevumiem, metodiku, izplatītākajiem statistiskajiem kritērijiem un testiem, kā arī dot ieskatu viendimensiju un daudzdimensiju analīzes metodēs, ietverot gadījuma procesu statistikas jautājumus. Pēc kursa apguves studentiem jāspēj korekti lietot apgūtās statistikas metodes, prast identificēt gadījumus, kad tās ir lietojamas un saprast to lietojuma ierobežojumus, prast strādāt ar apgūtajām statistikas pakotnēm, saprast to izvadinformāciju, kā arī patstāvīgi turpināt pašizglītošanos minētajā jomā.
Sasniedzamie studiju
rezultāti un to vērtēšana
Statistikas datu analīze. Prasme strādāt ar pakotni E-views. Apgūtas laikrindu vienkāršu modeļu konstruēšanas un prognozēšanas metodes. Prasme strādāt ar programmatūru, saprotama programmatūras izdruka. - Tiek vērtēts studentu darbs praktiskajās nodarbībās un pārbaudes darbi
Apgūti gadījuma lielumu ģenerēšanas pamatprincipi un sadalījumu pārbaudes metodes, izprotama procedūru matemātiskā jēga, zināmi galvenie kritēriji. Prasme veikt ģenerēšanu un sadalījumu pārbaudi MS EXCEL vidē. - Tiek vērtēts studentu darbs praktiskajās nodarbībās un pārbaudes darbi
Priekšzināšanas Augstākā matemātika, Varbūtību teorija un matemātiskā statistika, gadījuma procesi, Ekonometrija

Kursa apgūšanas cena klausītājam Pilna laika studijas
Klātiene
Nepilna laika studijas
Klātiene
Nepilna laika studijas
Neklātiene
Pieteikties uz šo kursu

[Kursa apraksts PDF formātā]