Прикладная статистика

Краткое содержание учебной дисциплины, модуля / Brief summary

Цель учебной дисциплины — повышение уровня профессиональной компетентности в применении современных статистических методов анализа конкретных экономических данных в практической деятельности, в том числе изучение основных статистических методов решения экономических задач, а также расширение математического кругозора.

Задачи учебной дисциплины:

1. Ознакомление с основными понятиями и методами многомерного статистического оценивания. 

2. Усвоение навыков построения многомерных статистических моделей экономических задач.

3. Усвоение навыков исследования с помощью статистических моделей зависимостей между экономическими переменными и построения прогнозов

The objective of this course is to enhance professional competence in the application of modern statistical methods for analyzing specific economic data in practical activities, including the study of basic statistical methods for solving economic problems, as well as broadening mathematical horizons.

Course Objectives:

1. Introduction to the basic concepts and methods of multivariate statistical estimation.

2. Acquisition of skills in constructing multivariate statistical models of economic problems.

3. Acquisition of skills in research using statistical models to examine relationships between economic variables and to construct forecasts.

Формируемые компетенции / The formed competences

Специализированные компетенции:

– Анализировать основные закономерности случайных явлений, разрабатывать вероятностно-статистические модели для прикладных задач

Specialized competencies:

– Analyze the basic patterns of random phenomena, develop probabilistic-statistical models for applied problems

Результаты обучения (знать, уметь, владеть) / Learning outcomes (know, can, be able)

знать: 

– свойства многомерного нормального распределения;

– методы линейной регрессии;

– основные методы многомерного статистического анализа;

– основные понятия и методы анализа стационарных временных рядов;

уметь: 

– строить решающие правила для проверки статистических гипотез; 

– проверять прикладные статистические гипотезы в пакете Statistica;

иметь навык:

– построения моделей множественной линейной регрессии;

– проведения дисперсионного анализа;

– применения метода главных компонент;

– проведения дискриминантного и кластерного анализа;

– построения моделей стационарных временных рядов.

know:

– properties of the multivariate normal distribution;

– linear regression methods;

– basic methods of multivariate statistical analysis;

– basic concepts and methods for analyzing stationary time series;

be able to:

– construct decision rules for testing statistical hypotheses; 

– test applied statistical hypotheses in the Statistica package;

have the following skills:

– constructing multiple linear regression models;

– conducting variance analysis;

– applying the principal component analysis;

– conducting discriminant and cluster analysis;

– constructing stationary time series models.

Семестр изучения учебной дисциплины, модуля / Semester of study

7

7

Пререквизиты / Prerequisites

«Алгебра и теория чисел», «Математический анализ», «Дифференциальные уравнения», «Теория вероятностей и математическая статистика»

«Algebra and Number Theory», «Mathematical Analysis», «Differential Equations», «Probability Theory and Mathematical Statistics»

Трудоемкость в зачетных единицах (кредитах) / Credit units

3

3

Количество аудиторных часов и часов самостоятельной работы / Academic hour of students’ class work, 

hours of self-directed learning

всего 108 часов, в том числе 72 аудиторных часа, из них: лекции – 36 часа, лабораторные занятия – 28 часов, управляемая самостоятельная работа – 8 часов.

total 108 hours, including 72 classroom hours, including: lectures – 36 hours, laboratory classes – 28 hours, guided independent work – 8 hours.

Требования и формы текущей и промежуточной аттестации / Requirements and forms of current and interim certification

экзамен

exam