Статистический анализ данных (курс лекций, К.В.Воронцов)/2015, ФУПМ

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
м (→Оценки)
(→Оценки)
Строка 17: Строка 17:
| Газизуллина Римма || 174 || 1 || 1.2 || || || || || 1 || 3.2 ||
| Газизуллина Римма || 174 || 1 || 1.2 || || || || || 1 || 3.2 ||
|-
|-
-
| Гринчук Алексей || 174 || 1 || || || || || || 2 || 3 ||
+
| Гринчук Алексей || 174 || 1 || 1.1 || || || || || 2 || 4.1 ||
|-
|-
| Дербышев Дмитрий || 176 || 1 || 1.2 || || || || || 1 || 3.2 ||
| Дербышев Дмитрий || 176 || 1 || 1.2 || || || || || 1 || 3.2 ||

Версия 23:23, 6 апреля 2015

Содержание

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 0.9 0.9
Ахтямов Азат 173
Бондарчук Ярослав 175 1 2 3
Васильев Артём 175
Веринов Александр 176 0.9 1.2 3 5.1
Виденеева Анастасия 177 1 1 2
Газизуллина Римма 174 1 1.2 1 3.2
Гринчук Алексей 174 1 1.1 2 4.1
Дербышев Дмитрий 176 1 1.2 1 3.2
Ефимова Ирина 174 1 1.2 2 4.2
Жуков Андрей 174 0.9 1 1.9
Занегин Александр 175
Игнатов Андрей 174 0.9 1.1 2
Иноземцев Игорь 177 1 1.2 2.2
Карасиков Михаил 174 1 1.2 2.2
Костюк Анна 174
Кулунчаков Андрей 174 1 1.2 2.2
Кучин Александр 177 1 3 4
Лийко Виктория 176 1 1.2 1 3.2
Липатова Анна 174 1 4 5
Лукманов Вадим 154 0.7 1.2 1.9
Макарова Анастасия 174 0.8 1 1.8
Омельченко Сергей 176 0.9 1.2 3 5.1
Плавин Александр 174 1 1.2 2.2
Пономарёв Олег 176 0.8 2 2.8
Попова Мария 174 1 1.1 2.1
Ракутин Юрий 175
Родина София 176 1 1
Рубцовенко Сергей 176 1 1 2
Сущинская Светлана 178
Усманова Ильнура 173 1.1 4 5.1
Фатыхов Булат 177 0.4 0.4
Циглер Александр 177 4 4
Черепанов Ярослав 175 0.8 0.8
Чжен Евгений 177 1 1
Швец Михаил 174 1 1.1 2 4.1
Шинкевич Михаил 174 0.9 1.2 1 3.1
Яковлева Екатерина 177 0.4 0.4
  • 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.
  • Каждое задание выдаётся только по заявке. Если задание выдано, но не решалось, начисляется штраф в размере его стоимости.
  • Балл за рецензирование можно получить только при условии сдачи соответствующего задания.
  • Источники дополнительных баллов:
  • 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:

  1. график зависимости достигаемого уровня значимости от значений параметров при однократном проведении эксперимента;
  2. график зависимости достигаемого уровня значимости одного или двух критериев от значений параметров, усреднённого по большому количеству повторений эксперимента (например, по 1000 повторений);
  3. 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 k раз для каждого набора значений параметров, и в m из k случаев гипотеза была отвергнута на некотором фиксированном уровне значимости \alpha (примем \alpha=0.05), оценкой мощности будет отношение m/k.

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.).

Постановки задач.

Пример решения.

Задание принимается до 23:59 12.03.

Задания 2-4. Работа с реальными данными

Требуется подобрать и применить наилучший статистический метод, позволяющий ответить на вопрос прикладной задачи; обосновать выбор метода, его применимость и оптимальность. Помимо выводов, касающихся математических особенностей решения, необходимо в терминах предметной области сформулировать выводы, которые могли бы быть понятны гипотетическому заказчику-нематематику.

Необходимо сдать: Rmd и сгенерированный по нему html/pdf-файл с подробным отчётом по проведённому исследованию, содержащий визуализацию исходных данных, описания и выводы каждого этапа анализа — используемые методы, обоснование их применимости, графики.

По заданиям 3 и 4 отчёт каждого студента рецензируется назначенным одногруппником. Задачей рецензента является проверка корректности выбора метода решения, полноты его применения и понятности изложения. Рецензент получает балл, если:

  • его собственная работа засчитана;
  • либо в рецензируемой работе устранены все недостатки и она принимается с первого раза, либо указан полный список недостатков работы, устранить которые не удалось.

Задание 2. Проверка гипотез

Постановки задач.

Задание принимается до 23:59 4.04.

Задание 3. Регрессия

Постановки задач.

Предварительные версии отчётов принимаются до 23:59 16.04, финальные, по результатам работы с рецензентом — до 23:59 26.04.

Ссылки

Источник — «http://machinelearning.ru/wiki/index.php?title=%D0%A1%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D0%B9_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%9A.%D0%92.%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D1%86%D0%BE%D0%B2%29/2015%2C_%D0%A4%D0%A3%D0%9F%D0%9C»
Личные инструменты