Статистический анализ данных (курс лекций, К.В.Воронцов)/2015, ФУПМ
Материал из MachineLearning.
Оценки
| Студент | Группа | №1 (1) | №2 (1.2) | №3 (2.8) | Рецензирование №3 (0.5) | №4 (2.8) | Рецензирование №4 (0.5) | Дополнительно (7) | Сумма за семестр (10) | Оценка |
|---|---|---|---|---|---|---|---|---|---|---|
| Аверьянов Ярослав | 178 | |||||||||
| Ахтямов Азат | 173 | |||||||||
| Бондарчук Ярослав | 175 | |||||||||
| Веринов Александр | 176 | |||||||||
| Виденеева Анастасия | 177 | |||||||||
| Газизуллина Римма | 174 | |||||||||
| Ефимова Ирина | 174 | |||||||||
| Жуков Андрей | 174 | |||||||||
| Игнатов Андрей | 174 | |||||||||
| Иноземцев Игорь | 177 | |||||||||
| Карасиков Михаил | 174 | |||||||||
| Костюк Анна | 174 | |||||||||
| Кулунчаков Андрей | 174 | |||||||||
| Кучин Александр | 177 | |||||||||
| Лийко Виктория | 176 | |||||||||
| Липатова Анна | 174 | |||||||||
| Лукманов Вадим | 154 | |||||||||
| Макарова Анастасия | 174 | |||||||||
| Омельченко Сергей | 176 | |||||||||
| Плавин Александр | 174 | |||||||||
| Попова Мария | 174 | |||||||||
| Ракутин Юрий | ||||||||||
| Родина София | 176 | |||||||||
| Рубцовенко Сергей | 176 | |||||||||
| Усманова Ильнура | 173 | |||||||||
| Фатыхов Булат | 177 | |||||||||
| Циглер Александр | 177 | |||||||||
| Черепанов Ярослав | 175 | |||||||||
| Чжен Евгений | 177 | |||||||||
| Швец Михаил | 174 | |||||||||
| Шинкевич Михаил | 174 | |||||||||
| Яковлева Екатерина | 177 |
- Задание считается сданным на момент получения письма с отчётом при условии отсутствия необходимости внесения дополнений и исправлений.
- Штраф за просрочку заданий начисляется из расчёта 0.1 балла за сутки.
- Для получения зачёта необходимо сдать как минимум два задания: хотя бы одно из первых двух и хотя бы одно из последних двух.
- Балл за рецензирование можно получить только при условии сдачи соответствующего задания.
- Источники дополнительных баллов:
- мини-курс «R Programming» (https://www.coursera.org/course/rprog) — 1 балл;
- мини-курс «Statistical Inference» (https://www.coursera.org/course/statinference) — 1 балл;
- мини-курс «Regression Models» (https://www.coursera.org/course/regmods) — 1 балл;
- курс «Methods of model selection» (http://ium.mccme.ru/s15/s15-spokoinyii.html) — 4 балла.
- Итоговая оценка по курсу — сумма баллов за семестр, округлённая по стандартным правилам.
Задание 1. Исследование свойств одномерных статистических критериев на модельных данных
Необходимо провести исследование одного или нескольких классических критериев проверки статистических гипотез. Интерес представляет поведение достигаемого уровня значимости (p-value) как функции размера выборок и параметров распределения. В соответствии с индивидуальными параметрами задания необходимо указанным способом сгенерировать одну или несколько выборок из заданного распределения, выполнить проверку гипотезы при помощи соответствующего критерия, а затем многократно повторить эту процедуру для различных значений параметров. По результатам расчётов необходимо построить требуемые в задании графики, среди которых могут быть следующие:
- график зависимости достигаемого уровня значимости от значений параметров при однократном проведении эксперимента;
- график зависимости достигаемого уровня значимости одного или двух критериев от значений параметров, усреднённого по большому количеству повторений эксперимента (например, по 1000 повторений);
- график с эмпирическими оценками мощности одного или двух критериев для разных значений параметров.
В качестве оценки мощности принимается доля отвержений нулевой гипотезы среди всех проверок. То есть, если эксперимент повторялся раз для каждого набора значений параметров, и в
из
случаев гипотеза была отвергнута на некотором фиксированном уровне значимости
(примем
), оценкой мощности будет отношение
Необходимо сдать: Rmd и сгенерированный по нему html/pdf-файл с описанием алгоритма, построенными графиками и выводами (объяснение полученных результатов моделирования, границы применимости критерия и т. д.).
Задание принимается до 23:59 12.03.
Ссылки
- psad.homework@gmail.com
- Статистический анализ данных (курс лекций, К.В.Воронцов)
