Статистический анализ данных (курс лекций, К.В.Воронцов)/2016, ФУПМ
Материал из MachineLearning.
м (→Оценки) |
м (→Оценки) |
||
| Строка 44: | Строка 44: | ||
|- | |- | ||
| Оленина Айса || 175 || || || || || || || || || | | Оленина Айса || 175 || || || || || || || || || | ||
| + | |- | ||
| + | | Переберина Анастасия || 276 || || || || || || || || || | ||
|- | |- | ||
| Подкопаев Александр || 274 || || || || || || || || || | | Подкопаев Александр || 274 || || || || || || || || || | ||
Версия 11:37, 28 февраля 2016
Содержание |
Оценки
| Студент | Группа | №1 (1.3) | №2 (1.3) | №3 (2.8) | Рецензирование №3 (0.6) | №4 (2.8) | Рецензирование №4 (0.6) | Дополнительно (7) | Сумма за семестр (10) | Оценка |
|---|---|---|---|---|---|---|---|---|---|---|
| Бетлей Артем | 275 | |||||||||
| Биктайров Роман | 277а | |||||||||
| Бочкарёв Артем | 274 | |||||||||
| Гилязев Руслан | 275 | |||||||||
| Гончаров Алексей | 274 | |||||||||
| Двинских Дарина | 274 | |||||||||
| Дойничко Анастасия | 276 | |||||||||
| Досаев Роман | 172 | |||||||||
| Емеленко Александр | 275 | |||||||||
| Емельянов Ярослав | 273 | |||||||||
| Ефимов Юрий | 274 | |||||||||
| Жариков Илья | 274 | |||||||||
| Исаченко Роман | 274 | |||||||||
| Керимов Василий | 276 | |||||||||
| Королев Николай | 277 | |||||||||
| Крошнин Алексей | 277 | |||||||||
| Мусинов Игорь | 273 | |||||||||
| Назаров Владимир | 274 | |||||||||
| Нейчев Радослав | 274 | |||||||||
| Нурдинов Булат | 276 | |||||||||
| Оленина Айса | 175 | |||||||||
| Переберина Анастасия | 276 | |||||||||
| Подкопаев Александр | 274 | |||||||||
| Пятников Виталий | 275 | |||||||||
| Решетова Дарья | 274 | |||||||||
| Родионов Виктор | 071 | |||||||||
| Силин Игорь | 277 | |||||||||
| Скорняков Кирилл | 275 | |||||||||
| Смирнов Евгений | 274 | |||||||||
| Соломатин Иван | 274 | |||||||||
| Стогний Полина | 273 | |||||||||
| Чащин Артём | 276 | |||||||||
| Черных Владимир | 274 | 1 | 1 | |||||||
| Шайдулин Руслан | 276 | |||||||||
| Шишковец Светлана | 274 |
- 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:
- мини-курс R Programming (https://www.coursera.org/course/rprog) или Try R (https://www.codeschool.com/courses/try-r) — 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 Inference for Structural Nonparametrics (http://ium.mccme.ru/s16/s16-spokoinyi.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.
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 баллы, 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
Задание 3. Регрессия
Задание 4. Прогнозирование
Ссылки
- psad.homework@gmail.com
- Статистический анализ данных (курс лекций, К.В.Воронцов)
