Дополнительные вопросы по курсу «Многомерные статистические методы»
| Вид материала | Документы |
- Тест к зачету по дисциплине «Математические методы в экономике» Специальность 80116, 260.08kb.
- Программа дисциплины по кафедре "Экономическая кибернетика" многомерные статистические, 206.91kb.
- Внастоящей курсовой работе рассмотрены следующие вопросы, раскрывающие основные статистические, 455.47kb.
- Методические указания по практическим работам По дисциплине, 193.22kb.
- «Многомерные методы статистики в прогнозировании», 6.87kb.
- Программа дисциплины Многомерные модели для волатильности и их приложения в финансовых, 97.34kb.
- Программа дисциплины Статистические и демографические методы анализа для направления, 238.41kb.
- Вопросы к зачету по курсу «Финансово-банковская статистика», 27.1kb.
- Программа методы экспертных оценок для специальности 040201. 65 "Социология" (подготовки, 131.22kb.
- 2 Альтернативы прогнозированию, 641.92kb.
Дополнительные вопросы по курсу «Многомерные статистические методы»
- Многомерная случайная величина (описание распределений, маргинальные и условные распределения).
- Параметрическое описание многомерной случайной величины (математическое ожидание вектора k-мерного случайного вектора, ковариационная и корреляционная матрицы, регрессия, корреляционное отношение, множественный коэффициент корреляции).
- Оценивание параметров многомерной случайной величины (оценки ковариационной и корреляционной матриц, доверительная область оценки математического ожидания k-мерного случайного вектора, статистики оценивания).
- Проверка статистических гипотез (принцип проверки, p-Value, проверка гипотезы о равенстве математического ожидания k-мерного случайного вектора заданному вектору).
- Корреляционный анализ многомерной генеральной совокупности (предпосылки, множественный и частный коэффициенты корреляции, коэффициент детерминации и его свойства, проверка значимости коэффициента корреляции).
- Кластерный анализ (назначение и методы, меры близости между объектами).
- Иерархический кластерный анализ (агломеративные, дивизимные и итеративные методы, методы включения объекта в кластер и методы объединения кластеров).
- Критерии качества классификации (функционалы качества).
- Дискриминантный анализ (назначение, дискриминантные переменные и каноническая дискриминантная функция, функция классификации, пример-рисунок для двух обучающих выборок).
- Множественный регрессионный анализ (предпосылки, оценивание коэффициентов, проверка значимости коэффициентов, пошаговая регрессия, оценка работоспособности модели).
- Метод гребневой регрессии (необходимость применения, оценивание коэффициентов гребневой регрессии).
- Метод главных компонент (назначение метода, условия применения, свойства главных компонент, основные этапы решения задач методом главных компонент).
- Дисперсионный анализ (проверяемые гипотезы, предпосылки, статистики проверки гипотез)
- Факторный анализ (назначение, факторы общие и специфические, этапы факторного анализа, отличие факторного анализа от метода главных компонент).
- Канонические корреляции (метод канонических корреляций, условия применения метода, канонические переменные, разбиение корреляционной матрицы, свойства канонических переменных, оценивание канонических корреляций).