Geum.ru

Рабочая программа учебной дисциплины ф тпу 1 21/01 утверждаю

Вид материалаРабочая программа

Содержание


Факультет автоматики и вычислительной техники (АВТФ)
Всего аудиторных занятий 54 часа
1 Цели и задачи учебной дисциплины
Главная цель статистики – получение осмысленных заключений из несогласованных (подверженных) разбросу данных.
2 Содержание теоретического раздела дисциплины
3 Содержание практического раздела дисциплины
4 Программа самостоятельной познавательной
5 Текущий и итоговый контроль результатов изучения дисциплины
6 Учебно-методическое обеспечение дисциплины
Подобный материал:

Рабочая программа учебной дисциплины


Ф ТПУ 7.1 – 21/01





УТВЕРЖДАЮ:

Декан факультета АВТ

_______________С.А. Гайворонский


"____" ___________ 2006 г.


СТАТИСТИЧЕСКАЯ ОБРАБОТКА ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ


Рабочая программа для магистрантов направления "Информатика и вычислительная техника", обучающихся по магистерским программам "Микропроцессорные системы", "Компьютерный анализ и интерпретация данных".

Факультет автоматики и вычислительной техники (АВТФ)

Обеспечивающая кафедра - кафедра Вычислительной техники (ВТ)


Курс 6

Семестр 11

Учебный план набора 2006 года

Распределение учебного времени


Лекции 27 часов(ауд.)

Лабораторные занятия 27 часов(ауд.)

Всего аудиторных занятий 54 часа

Самостоятельная (внеаудиторная) работа 72 часа

Общая трудоемкость 128 часов

Зачет в 11 семестре

2006


ПРЕДИСЛОВИЕ

Рабочая программа составлена на основе ОС ТПУ и приказа № 1554 от 15.07.97 об открытии магистерской подготовки по направлению 230100 (552800) "Информатика и вычислительная техника".

Рабочая программа РАССМОТРЕНА и ОДОБРЕНА на заседании обеспечивающей кафедры вычислительной техники.

"_______" _________________ 2006 года, протокол № .

Разработчик

доцент каф. ВТ _____________________________________Ю.Я. Кацман

Зав. Обеспечивающей кафедрой ВТ ____________________Н.Г. Марков

Рабочая программа СООТВЕТСТВУЕТ действующему плану.

Зав. Выпускающей кафедрой ВТ ________________Н. Г. Марков

АННОТАЦИЯ

Рабочая программа учебной дисциплины "Статистическая обработка экспериментальных данных" предназначена для подготовки магистров по направлению 230100 "Информатика и вычислительная техника".

Содержание программы соответствует образовательному стандарту ТПУ и включает следующие разделы: "Факторный и кластерный анализ; "Анализ временных рядов и прогнозирование"; "Нелинейное оценивание".

Программа разработана доцентом кафедры вычислительной техники ТПУ Кацманом Ю.Я.

E–mail: katsman@ce.cctpu.edu.ru

ABSTRACT

The syllabus of the course “Statistical analysis of experimental data” is intended for preparing master's degree on the direction 230100 “Computer Science and Computer Engineering”.

The syllabus corresponds to the Educational Standard of TPU and includes the following sections: "Factor and Cluster Analysis"; "Time Series Analysis and Forecasting"; "Nonlinear Estimation".

The syllabus has been developed by Julius J. Katsman, associate professor of Computer Engineering Faculty of Tomsk Polytechnic University.

E – mail: katsman@ce.cctpu.edu.ru


1 ЦЕЛИ И ЗАДАЧИ УЧЕБНОЙ ДИСЦИПЛИНЫ

Математизация знаний, получившая техническую базу в виде широкого распространения современных ЭВМ, привела к широкому применению математико-статистических методов в работе специалистов. Дисциплина "Статистическая обработка экспериментальных данных" особенно необходима специалистам, деятельность которых связана с компьютерной обработкой данных: студентам, инженерам, статистикам, аналитикам...

Главная цель статистики – получение осмысленных заключений из несогласованных (подверженных) разбросу данных.

Целью данной дисциплины являются:
  • ознакомление студентов с основными принципами анализа случайных данных;
  • получение навыков работы со статистическими пакетами.

В результате изучения дисциплины студенты должны знать:
  • методы регрессионного и дискриминантного анализа;
  • как идентифицировать модель, оценить качество и параметры модели.

Получив в процессе обучения теоретический и практический опыт статистической обработки данных, используя все имеющиеся на кафедре возможности вычислительной техники и программного обеспечения, усвоив полученные знания на теоретических и лабораторных занятиях, студенты должны уметь:
  • провести точечное и интервальное оценивание экспериментальных данных;
  • проанализировать исходные данные, выдвинуть и проверить гипотезы (параметрические и непараметрические);
  • использовать для анализа данных и представления результатов такие пакеты как Statistica.

Содержание курса "Статистическая обработка экспериментальных данных" базируется на материале следующих дисциплин: "Математический анализ", "Линейная алгебра и аналитическая геометрия", "Вычислительная математика" и "Теория вероятности, математическая статистика и случайные процессы".

Знания, полученные при изучении курса, используются в профессиональной деятельности выпускника кафедры ВТ, по направлению "Информатика и вычислительная техника".

2 СОДЕРЖАНИЕ ТЕОРЕТИЧЕСКОГО РАЗДЕЛА ДИСЦИПЛИНЫ

(лекции 27 часов)

11 семестр
    1. Элементы математической статистики (2 часа)

Основные понятия и задачи статистики. Выборочное оценивание. Требование "хороших" оценок: несмещенность, эффективность и состоятельность.
    1. Интервальное оценивание (2 часа)

Доверительные интервалы для выборочного среднего и выборочной дисперсии. Распределения Стьюдента и "хи - квадрат".
    1. Проверка статистических гипотез (2 часа)

Ошибки первого и второго рода. Гипотеза о равенстве двух выборочных средних. Критерий Пирсона.
    1. Обработка данных в рамках линейной регрессионной
      модели (4 часа)

Линейная регрессия, подбор параметров прямой, оценка параметров модели (коэффициент детерминации). Множественная регрессия.
    1. Факторный анализ (4 часа)

Факторный анализ, ранговый и дисперсионный анализ. Численная оценка уровней фактора. Метод минимальных остатков в факторном анализе.
    1. Кластерный анализ (4 часа)

Методы иерархической классификации. Многомерное шкалирование.
    1. Анализ временных рядов и прогнозирование (7 часов)

Экспоненциальное сглаживание и прогнозирование. Спектральный (Фурье) анализ. Анализ распределенных лагов.

3 СОДЕРЖАНИЕ ПРАКТИЧЕСКОГО РАЗДЕЛА ДИСЦИПЛИНЫ


3.1 Лабораторные работы (27 / 54 час.)

Лабораторные занятия проводятся на IBM-совместимых компьютерах в среде Windows в системе STATISTICA.
      1. Система STATISTICA – 4 / 10 час
  • Основные модули и интерфейс пользователя.
  • Графические возможности системы.
  • Создание отчета. Настройка параметров канала вывода.
      1. Основные статистики – 4 / 6 час
  • Описательные статистики.
  • Корреляционные матрицы.
      1. Нелинейное оценивание – 4 / 8 час.
  • Логистическая регрессия;
  • Регрессия экспоненциального типа;
  • Разрывная регрессия.
      1. Анализ временных рядов и прогнозирование – 9 / 18 час.
  • Экспоненциальное сглаживание;
  • Фурье анализ;
      1. Факторный и кластерный анализ – 6 / 12 час.
  • Анализ социально-экономических параметров в модуле Factor Analysis;
  • Многомерное шкалирование.

4 ПРОГРАММА САМОСТОЯТЕЛЬНОЙ ПОЗНАВАТЕЛЬНОЙ
ДЕЯТЕЛЬНОСТИ

Учитывая большой объем данного курса, сложность и индивидуальный характер заданий, большая часть работы вынесена на внеаудиторную проработку. Структура самостоятельной работы включает в себя:
  • работу с литературой – 18 часов.
  • подготовку к лабораторным занятиям – 54 часа.

5 ТЕКУЩИЙ И ИТОГОВЫЙ КОНТРОЛЬ РЕЗУЛЬТАТОВ ИЗУЧЕНИЯ ДИСЦИПЛИНЫ

5.1 Текущий контроль изучения дисциплины осуществляется следующим образом:
  • контроль за своевременным и правильным выполнением лабораторных работ, своевременной сдачей и защитой отчетов;
  • качество усвоения теоретического материала контролируется при защите лабораторных заданий.

5.2 Итоговый контроль осуществляется лишь при успешном выполнении и защите всех лабораторных работ.

6 УЧЕБНО-МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ

6.1 При изучении курса используются персональные ЭВМ типа IBM PC Pentium, OС Windows и пакет программ Statistica 6.

6.2 Список рекомендуемой литературы

Основная

  1. Справочник по прикладной статистике. В 2-х т. Т. 1, 2: Пер. с англ. / Под ред. Э. Ллойда, У. Ледермана, Ю.Н. Тюрина. М.: Финансы и статистика, 1989, 1990.
  2. Бендат Дж., Пирсол А. Прикладной анализ случайных данных: Пер. с англ. – М.: Мир, 1989. – 540 с.
  3. Марпл.-мл. С.Л. Цифровой спектральный анализ и его приложения: Пер. с англ. – М.: Мир, 1990. – 584 с.
  4. Статистические методы для ЭВМ / Под ред. К. Энслейна, Э. Рэлстона, Г.С. Уилфа: Пер. с англ. – М.: Наука. Гл. ред. физ.-мат. лит.,1986.-464 с.
  5. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере / Под ред. В.Э. Фигурнова. – М.:ИНФРА – М.: Финансы и статистика, 1995. - 384 с.
  6. В.П. Боровиков, И.П. Боровиков. STATISTICA® - Статистический анализ и обработка данных в среде Windows® - М.: Информационно – издательский дом "Филинъ", 1998.- 608 с.
  7. Боровиков В.П., Ивченко Г.И. Прогнозирование в системе STATISTICA® в среде Windows. Основы теории и интенсивная практика на компьютере: Учеб. пособие. - М.: Финансы и статистика, 1999. - 384 с.

Дополнительная

  1. ссылка скрыта Раздел Statistica.
  2. ссылка скрыта Электронный учебник по пакету Statistica.
  3. ссылка скрыта Проведение регрессионного анализа при помощи модуля Multiple Regressions
  4. ссылка скрыта
  5. kemsu.ru/faculty/kmc/book/matekon/Chapter9/par9_3.php Линейный регрессионный анализ



Дата разработки: 15.11.06

Разработчик: Кацман Ю.Я.