Дополнительные вопросы по курсу «Многомерные статистические методы»

Вид материалаДокументы

Содержание


Проверка статистических гипотез (принцип проверки, p-Value, проверка гипотезы о равенстве математического ожидания k-мерного слу
Кластерный анализ (назначение и методы, меры близости между объектами).
Подобный материал:
Дополнительные вопросы по курсу «Многомерные статистические методы»
  1. Многомерная случайная величина (описание распределений, маргинальные и условные распределения).
  2. Параметрическое описание многомерной случайной величины (математическое ожидание вектора k-мерного случайного вектора, ковариационная и корреляционная матрицы, регрессия, корреляционное отношение, множественный коэффициент корреляции).
  3. Оценивание параметров многомерной случайной величины (оценки ковариационной и корреляционной матриц, доверительная область оценки математического ожидания k-мерного случайного вектора, статистики оценивания).
  4. Проверка статистических гипотез (принцип проверки, p-Value, проверка гипотезы о равенстве математического ожидания k-мерного случайного вектора заданному вектору).
  5. Корреляционный анализ многомерной генеральной совокупности (предпосылки, множественный и частный коэффициенты корреляции, коэффициент детерминации и его свойства, проверка значимости коэффициента корреляции).
  6. Кластерный анализ (назначение и методы, меры близости между объектами).
  7. Иерархический кластерный анализ (агломеративные, дивизимные и итеративные методы, методы включения объекта в кластер и методы объединения кластеров).
  8. Критерии качества классификации (функционалы качества).
  9. Дискриминантный анализ (назначение, дискриминантные переменные и каноническая дискриминантная функция, функция классификации, пример-рисунок для двух обучающих выборок).
  10. Множественный регрессионный анализ (предпосылки, оценивание коэффициентов, проверка значимости коэффициентов, пошаговая регрессия, оценка работоспособности модели).
  11. Метод гребневой регрессии (необходимость применения, оценивание коэффициентов гребневой регрессии).
  12. Метод главных компонент (назначение метода, условия применения, свойства главных компонент, основные этапы решения задач методом главных компонент).
  13. Дисперсионный анализ (проверяемые гипотезы, предпосылки, статистики проверки гипотез)
  14. Факторный анализ (назначение, факторы общие и специфические, этапы факторного анализа, отличие факторного анализа от метода главных компонент).
  15. Канонические корреляции (метод канонических корреляций, условия применения метода, канонические переменные, разбиение корреляционной матрицы, свойства канонических переменных, оценивание канонических корреляций).