Рабочая программа по дисциплине: Статистическая обработка данных для специальности: 020801 Экология
Вид материала | Рабочая программа |
- Рабочая программа по дисциплине Экономика природопользования для специальности 020801, 72.69kb.
- Рабочая программа по дисциплине Основы природопользования для специальности 020801, 136.11kb.
- Рабочая программа по дисциплине Правовые основы природопользования и охраны окружающей, 110.01kb.
- Рабочая программа по дисциплине Общая экология для специальности 020801 Экология, 107.95kb.
- Рабочая программа по дисциплине Экология человека для специальности 020801 Экология, 122.08kb.
- Рабочая программа по дисциплине Экологический мониторинг для специальности 020801 -экология, 62.37kb.
- Рабочая программа по дисциплине: Геология для специальности: 020801 Экология, 188.46kb.
- Рабочая программа по дисциплине Основы коррекции и оздоровления экологических ситуаций, 184.08kb.
- Рабочая программа по дисциплине: Основы электроники (рег компонент) для специальностей:, 121.46kb.
- Рабочая программа по дисциплине Биоиндикационные методы контроля окружающей среды для, 78.97kb.
Федеральное агентство по образованию
ТОМСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СИСТЕМ УПРАВЛЕНИЯ
И РАДИОЭЛЕКТРОНИКИ (ТУСУР)
УТВЕРЖДАЮ
Проректор по учебной работе
__________ М.Т. Решетников
«______» ____________2008 г.
РАБОЧАЯ ПРОГРАММА
по дисциплине: Статистическая обработка данных
для специальности: 020801 – Экология
факультет: Радиоконструкторский (РКФ)
Профилирующая кафедра Радиоэлектронных технологий и
экологического мониторинга» (РЭТЭМ)
Курс – четвертый
Семестр – седьмой
Учебный план набора 2005г. и последующих лет
Распределение учебного времени:
Лекции 18 ч (ауд.)
Лабораторные занятия 18 ч (ауд.)
Всего ауд. занятий 36 ч
Самостоятельная работа 24 ч
Общая трудоемкость 60 ч
Зачет седьмой семестр
2008
Предисловие
1 программа составлена с учетом ГОС ВО для специальности 020801 «Экология» утвержденного 10.03.2000 (№ гос. рег. 99 ЕН/СП) и дополненного 18.06.2003 (№ гос. рег. 99 ЕН/СП/1).
Рабочая программа ОБСУЖДЕНА и УТВЕРЖДЕНА на заседании обеспечивающей кафедры РЭТЭМ 14.02.2008, протокол № 64/2008.
2 Разработчик
профессор каф. РЭТЭМ А.Н. Сычёв
3 Зав. обеспечивающей
кафедрой РЭТЭМ Г. В. Смирнов
4 Рабочая программа СОГЛАСОВАНА с факультетом и СООТВЕТСТВУЕТ действующему рабочему плану занятий.
5 Срок действия рабочей программы – 31.12.2012.
Декан РКФ Г.В. Смирнов
Зав. выпускающей и
профилирующей каф. РЭТЭМ Г.В. Смирнов
1 Цель и задачи дисциплины и ее место в учебном процессе
1.1 Цель преподавания дисциплины
Целью курса является обучение студентов применению методов математической статистики для обработки и анализа экспериментальных данных.
1.2 Задачи изучения дисциплины
Основными задачами курса являются:
- изучение основных положений теории вероятностей и математической статистики;
- изучение современных методов статистического анализа экспериментальных данных;
- практическое освоение методов статистической обработки одномерных и многомерных выборок;
- знакомство с возможностями компьютерных пакетов статистического анализа.
1.3 В результате изучения дисциплины студент должен знать и уметь:
- основные положения теории вероятностей и математической статистики;
- возможности и ограничения конкретных статистических методов, уметь подобрать адекватный метод анализа в соответствии с целью исследования и характером статистических данных;
- четкое представление о существующих подходах к статистическому анализу экспериментальных данных;
- представление о возможностях статистической обработки данных с использованием электронных таблиц (Excel), математических пакетов общего назначения (MathCAD) и специализированных программ статистического анализа (Statistica, SPSS и др.);.
- приобрести практические навыки статистической обработки данных, в том числе с использованием вычислительной техники;
- представить содержательную интерпретацию результатов статистической обработки экспериментальных данных.
1.4 Место дисциплины в учебном процессе
Базой для изучения данной дисциплины являются следующие дисциплины:
- высшая математика (раздел теория вероятностей);
- информатика (практические навыки работы с программными продуктами MathCAD, Excell);
2 Содержание дисциплины
Распределение часов по видам занятий (лекции, практические занятия) и самостоятельная работа студентов приведены в учебно-методической карте дисциплины (обязательное приложение А).
2.1 Лекции: седьмой (осенний) семестр – 18 ч, самостоятельная работа 10 ч
Тема 1. Введение в теорию вероятностей. Дискретные и непрерывно распределенные случайные величины. Ряд, многоугольник и функция распределения ДСВ. Функция распределения вероятностей случайной величины F(x), функция плотности распределения f(x) НСВ (лекций 2 ч, самостоят. работа 1 ч).
Тема 2. Наиболее важные законы распределения, их свойства. Законы распределения: равномерное, нормальное (гауссово), Стьюдента, «хи-квадрат», экспоненциальное, Фишера. Числовые характеристики случайных величин, характеристики центра группирования и вариации. Теоретические моменты (2 ч, самостоят. работа 1 ч).
Тема 3. Математическая статистика, основные определения и понятия выборочного метода. Представления о генеральной совокупности и выборке. Эмпирическая функция распределения, полигон и гистограмма. Описательная статистика. Оценки параметров распределения по выборке. (2 ч, самостоят. работа 1 ч).
Тема 4. Оценки параметров распределения. Точечные оценки. Метод моментов. Интервальные оценки. Доверительный интервал и доверительная вероятность. Использование вычислительной техники в задачах статистического анализа, сравнение существующих компьютерных программ. (2 ч, самостоят. работа 1 ч).
Тема 5. Проверка статистических гипотез. Описание гипотез и критерии их проверки. Проверка гипотез и доверительные интервалы. Гипотезы о равенстве средних и дисперсий (2 ч, самостоят. работа 1 ч).
Тема 6. Статистический анализ связей. Исследование взаимосвязей между случайными величинами. Корреляционный анализ. Линейная и криволинейная корреляции. Парная и множественная корреляции. Ранговая корреляция, коэффициенты Спирмена и Кендалла (2 ч, самостоят. работа 1 ч).
Тема 7. Регрессионный анализ. Построение и оценка уравнений линейной регрессии. Метод наименьших квадратов (МНК). Нелинейные регрессионные модели. Значимость коэффициентов по критерию Стьюдента (2 ч, самостоят. работа 1,5 ч).
Тема 8. Дисперсионный анализ. Однофакторный дисперсионный анализ с одинаковым числом испытаний на различных уровнях. Однофакторный дисперсионный анализ с различным числом испытаний на различных уровнях. Двух- и многофакторный дисперсионный анализ. Критерий адекватности Фишера (2 ч, самостоят. работа 1,5 ч).
Тема 9. Кластерный анализ. Применение кластерного анализа для решения задач группирования, классификации, разбиения и сегментации объектов выборки. Иерархические методы кластерного анализа (агломеративные, дивизимные; дендрограмма) при небольших выборках. Метод двухвходового объединения. Метод К-средних (2 ч, самостоят. работа 1 ч).
2.2 Лабораторные работы: седьмой (осенний) семестр–18 ч, самост. работа 12 ч
Лабораторная работа 1. Исследование дискретных и непрерывных случайных величин. Теоретические законы распределения вероятностей случайных величин. Работа с данными в MathCAD. (2 ч, самостоят. работа 1 ч).
Лабораторная работа 2. Основы статистического анализа в Excel. Построение графиков случайных величин и гистограмм. (2 ч, самостоят. работа 1 ч).
Лабораторная работа 3. Статистическая обработка экспериментальных данных в MathCAD. (4 ч, самостоят. работа 1 ч).
Лабораторная работа 4. Основы статистического анализа в системе Statistica 6.0. Оценки параметров распределения (2 ч, самостоят. работа 1,5 ч).
Лабораторная работа 5. Методы визуализации и графического анализа данных в системе Statistica 6.0 (2 ч, самост. работы 1,5 ч).
Лабораторная работа 6. Канонический корреляционный анализ в Statistica (2 ч, самостоят. работа 1,5 ч).
Лабораторная работа 7. Линейный регрессионный анализ в Statistica. Метод наименьших квадратов для аппроксимации экспериментальных данных в MathCAD (2 ч, самостоят. работа 1,5 ч).
Лабораторная работа 8. Однофакторный дисперсионный анализ в MathCAD и Statistica (2 ч, самостоят. работа 1,5 ч).
Лабораторная работа 9. Двухфакторный дисперсионный анализ в MathCAD и Excel (2 ч, самостоят. работа 1,5 ч).
2.3 Самостоятельная работа
Наименование работы | Кол-во часов | Форма отчетности и контроля | Рейтинг. баллы (макс.) |
1 Проработка лекционного материала | 10 | Контрольные работы (2 по 10 баллов) | 20 |
2 Изучение тем теоретической части, отводимых на самостоятельную работу (темы отмечены курсивом в табл. А1). | 2 | Проверка конспектов, cобеседование. (2 по 8 баллов) | 16 |
3 Подготовка к лабораторным занятиям и выполнение отчетов. | 12 | Опрос на занятиях. Защита лабораторных работ (9 по 5 баллов) | 45 |
Всего часов: | 24 | | |
2.4 Рейтинговая раскладка
По дисциплине, заканчивающейся зачетом, для получения «автомата» необходимо набрать как минимум 60 баллов из 120. При этом обязательное условие – выполнение и защита всех лабораторных работ (45 баллов).
В целом, рейтинговая раскладка по дисциплине следующая:
- лабораторные работы – 45;
- контрольные работы – 20;
- посещаемость лекций – 19;
- собеседование по темам, отводимым на самостоятельное изучение – 16;
- индивидуальное творческое задание – 20.
3 Учебно-методические материалы по дисциплине
3.1 Программные продукты, используемые при выполнении лабораторных работ: MathCAD; Excel; Statistica-6.0. Описания программных продуктов (назначение, состав, структура, методы, алгоритмы).
3.2 Рекомендуемая литература
а) основная
- Гмурман В.Е. Теория вероятностей и математическая статистика: Учеб. пособие для вузов.– 10-е изд., стер.– М.: Высш. шк., 2004.– 479с.
- Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике: Учеб. пособие для вузов.– 8-е изд., стер.– М.: Высш. шк, 2003.– 405 с.
- Елисеева И.И., Юзбашев М.М. Общая теория статистики: Учебник для вузов.– 4-е изд.– М.: Финансы и статистика, 2002.– 480 с.
- Теория вероятностей и математическая статистика: Учеб. пособие / Под ред. В.А. Колемаева.– М.: Высш. шк., 1991.– 400с.
- Смирнов Г.В. Статистические методы обработки.– Томск: ТУСУР, 2007.– 105 с.
б) дополнительная
- Решетников М.Т. Планирование эксперимента и статистическая обработка данных: Учеб. пособие для вузов.– Томск: ТУСУР, 2000.– 232 с.
- Статистика: Учебник / Под ред. И.И. Елисеевой.– М.: ТК Велби, Изд-во Проспект, 2004.– 448с.
- Боровиков В.П. Statistica. Искусство анализа данных на компьютере. – С.П-б.: Питер, 2001. – 656 с.
- Боровиков В.П. Популярное введение в программу Statistica. – М.: Компьютер Пресс, 1998. – 267 с.
- Дюк В. Обработка данных на ПК в примерах.– С.П-б.: Питер, 2001.– 656 с.
- Математическая теория планирования эксперимента / Под ред. С.М. Ермакова.– Наука, 1983.– 392 с.
- Плис А.И., Сливина Н.А. MathCAD. Математический практикум для инженеров и экономистов. Учеб. Пособие.– 2-е изд.– М.: Финансы и статистика, 2003.– 656с.
Приложение А
(обязательное)
Учебно-методическая карта дисциплины «Статистическая обработка данных»
для специальности: 020801 (013100) – Экология
Таблица А1 –седьмой (осенний) семестр
Номер недели семестра | Лекции | Лабораторные работы | Часы самост. работы студента по всем видам занятий | Формы контроля и отчетности | Рейтинг. баллы по всем видам занятий | ||
Номер лекции и наименование темы | Часов | Номер занятия и название работы | Часов | ||||
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
1,2 | 1 Тема 1 Введение в теорию вероятностей. Дискретные и непрерывно распределенные случайные величины. Ряд, многоугольник и функция распределения ДСВ. Функция распределения вероятностей случайной величины F(x), функция плотности распределения f(x) НСВ. | 2 | 1. Исследование дискретных и непрерывных случайных величин. Теоретические законы распределения вероятностей случайных величин. Работа с данными в MathCAD. | 2 | 2 | ЛБ | 8 |
3,4 | 2 Тема 2. Наиболее важные законы распределения, их свойства. Законы распределения: равномерное, нормальное (гауссово), Стьюдента, «хи-квадрат», экспоненциальное, Фишера. Числовые характеристики случайных величин, характеристики центра группирования и вариации. Теоретические моменты. | 2 | 2. Основы статистического анализа в Excel. Построение графиков случайных величин и гистограмм. | 2 | 2 | ЛБ | 7 |
5,6 | 3 Тема 3. Математическая статистика, основные определения и понятия выборочного метода. Представления о генеральной совокупности и выборке. Эмпирическая функция распределения, полигон и гистограмма. Описательная статистика. Оценки параметров распределения по выборке. | 2 | 3. Статистическая обработка экспериментальных данных в MathCAD. | 2 | 2 | ЛБ | 7 |
7,8 | 4 Тема 4. Оценки параметров распределения. Точечные оценки. Метод моментов. Интервальные оценки. Доверительный интервал и доверительная вероятность. Использование вычислительной техники в задачах статистического анализа, сравнение существующих компьютерных программ. | 2 | 4. Основы статистического анализа в системе Statistica 6.0. Оценки параметров распределения. | 2 | 3,5 | ЛБ, КР, СБ | 25 |
9,10 | 5 Тема 5. Проверка статистических гипотез. Описание гипотез и критерии их проверки. Проверка гипотез и доверительные интервалы. Гипотезы о равенстве средних и дисперсий. | 2 | 5. Методы визуализации и графического анализа данных в системе Statistica 6.0. | 2 | 2,5 | ЛБ | 7 |
Окончание табл. А1 –седьмой (осенний) семестр
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
11, 12 | 6 Тема 6. Статистический анализ связей. Исследование взаимосвязей между случайными величинами. Корреляционный анализ. Линейная и криволинейная корреляции. Парная и множественная корреляции. Ранговая корреляция, коэффициенты Спирмена и Кендалла. | 2 | 6. Канонический корреляционный анализ в Statistica. | 2 | 3 | ЛБ | 7 |
13, 14 | 7 Тема 7. Регрессионный анализ. Построение и оценка уравнений линейной регрессии. Метод наименьших квадратов (МНК). Нелинейные регрессионные модели. Значимость коэффициентов по критерию Стьюдента. | 2 | 7. Линейный регрессионный анализ в Statistica. Метод наименьших квадратов для аппроксимации экспериментальных данных в MathCAD. | 2 | 3 | ЛБ | 7 |
15, 16 | 8 Тема 8. Дисперсионный анализ. Однофакторный дисперсионный анализ с одинаковым числом испытаний на различных уровнях. Однофакторный дисперсионный анализ с различным числом испытаний на различных уровнях. Двух- и многофакторный дисперсионный анализ. Критерий адекватности Фишера. | 2 | 8. Однофакторный дисперсионный анализ в MathCAD и Statistica. | 2 | 3 | ЛБ | 7 |
17, 18 | 9 Тема 9. Кластерный анализ. Применение кластерного анализа для решения задач группирования, классификации, разбиения и сегментации объектов выборки. Иерархические методы кластерного анализа (агломеративные, дивизимные; дендрограмма) при небольших выборках. Метод двухвходового объединения. Метод К-средних. | 2 | 9. Двухфакторный дисперсионный анализ в MathCAD и Excel. | 2 | 3 | КР, СБ, ЛБ | 25 |
| Дополнительные баллы за прилежание и успехи в выполнении индивидуальных творческих заданий, всего | | | | | | 20 |
| Всего баллов (максимум) | | | | | | 120 |
| Всего часов за семестр | 18 | | 18 | 24 | | |
Общая трудоемкость: 60 часов, 9 лабораторных работ. Темы теоретической части, отводимые на самостоятельную работу, отмечены курсивом
|
Разработчик
профессор каф. РЭТЭМ А.Н. Сычёв