Программа курса «Математические методы обработки геологической информации»

Вид материала

Программа курса

Содержание Формы контроля Содержание дисциплины. Данные Источники данных, стохастический характер наблюдений, понятие об энтропии и информации. Описание одного признака, характеристики положения, характеристики рассеяния, расслоенные данные. Статистические выводы Статистические решений Перечень контрольных заданий для самостоятельной работы 3.Учебно-методическое обеспечение дисциплины.

Подобный материал:

• Рабочая программа По дисциплине «Цифровые методы обработки аудио визуальной информации», 267.73kb.
• Программа дисциплины по кафедре «Экономическая кибернетика» экономико-математические, 261.47kb.
• Рабочая программа дисциплины Математические методы защиты информации Направление подготовки, 164.03kb.
• Программа курса по астрономии 11-й класс "Астрономический калейдоскоп", 501.99kb.
• Программа вступительного экзамена в аспирантуру по специальности 08. 00. 13 Математические, 168.79kb.
• Рабочая программа учебной дисциплины «Аналитический маркетинг» (специальность «Математические, 151.09kb.
• Программа производственной практики специальность: 080116. 65 Математические методы, 63.49kb.
• Информатика (Informatics), 24.66kb.
• Примерная программа дисциплины "Математические методы финансового анализа", 464.29kb.
• Математические методы и аппаратная обработка измерений, 19.52kb.

Программа курса

«Математические методы обработки геологической информации»


1. Организационно-методический раздел.

1. Курс «Математические методы обработки геологической информации» реализуется в рамках специальности «геология и геохимия нефти и газа» и относится к разделу общематематических и естественно-научных дисциплин вузовской компоненты.
   
2. Цели и задачи курса. Дисциплина «Математические методы обработки геологической информации» предназначена для студентов, обучающихся по специальности «геология и геохимия нефти и газа» на кафедре геология месторождений нефти и газа ГГФ НГУ.
   

Основной целью освоения дисциплины является получение студентами знаний о математических методах обработки наблюдений и построении эмпирических моделей исследуемого явления.

Для достижения поставленной цели выделяются задачи курса:

ознакомление с методами представления данных;

ознакомление с методами анализа данных;

ознакомление с методами теории статистических выводов;

ознакомление с методами теории статистических решений.

3. Требования к уровню освоения содержания курса.
   

По окончании изучения курса студент должен:

1. иметь представления о возможностях и пределах применимости методов обработки наблюдений;
   
2. знать основные понятия и приемы методов анализа данных и теории статистических вывоов;
   
3. уметь работать с научной литературой по теме курса и
   

строить простейшие эмпирические модели.

4. Формы контроля.
   

Итоговый контроль: экзамен.

Текущий контроль: в течение семестра каждым студентом выполняется 4 задания;

кроме того, по 4 темам готовятся индивидуальные сообщения.

2. Содержание дисциплины.
   

2.1 Новизна курса.

Фундаментальные и прикладные исследования по геологии нефти и газа требуют обширных знаний по методам обработки данных. Без их изучения невозможно построение эмпирических моделей широко используемых в геологии нефти и газа, оценка рисков при разработке программ геолого-разведочных работ. Именно поэтому курс является одним из необходимых при подготовке специалистов в области геологии нефти и газа.

Новизна курса заключается в том, что в процессе обучения студенты получают не только традиционные теоретические знания в области математической статистики, но и имеют возможность познакомиться с современными научными достижениями в этой области.

2.2 Тематический план курса.

Лекции – 48 часов

Практические занятия – 24 часа

Самостоятельная работа – 30 часов

Всего – 102 часа

2.3 Содержание отдельных разделов и тем.

• Введение

Математические модели в эмпирических исследованиях, предмет курса, классификация методов обработки результатов наблюдений, математическое образование студента-геолога, цели и задачи курса.

• Данные

Источники данных, стохастический характер наблюдений, понятие об энтропии и информации.

Измерения, шкалы измерений, физическая размерность, погрешности измерений.

Представление данных.

• Анализ данных
  

Описание одного признака, характеристики положения, характеристики рассеяния, расслоенные данные.

Описание многомерной структуры, сильная шкала – мера взаимосвязи, дисперсионный и ковариационный анализ, порядковая шкала, шкала наименований.

Преобразование данных, главные компоненты, канонические корреляции.

Сокращение размерности признакового пространства, метод главных компонент, факторный анализ, нелинейное преобразование признаков, экстремальная группировка признаков, многомерное шкалирование.

Сокращение размерности пространства наблюдений, методы кластерного анализа.

• Статистические выводы
  

Общая схема статистических выводов.

Точечное оценивание, критерии оценки, метод максимального правдоподобия, метод моментов, метод наименьших квадратов, оценка параметров распределений, оценка параметров регрессии, оценивание вероятностных распределений, слабая шкала, оценка параметров временных рядов.

Интервальное оценивание, оценивание параметров распределений, оценивание параметров регрессии.

Проверка статистических гипотез, принципы проверки статистических гипотез, проверка гипотез о параметрах раcпределений, проверка гипотез в регрессионном анализе, критерии согласия, слабая шкала.

• Статистические решений
  

Байесовское оценивание, байесовская теория проверки гипотез, теория распознавания образов, дискриминантный анализ.


2.4 Перечень контрольных заданий для самостоятельной работы:

Элементарные статистические характеристики.

Методы кластерного анализа.

Корреляционный и регрессионный анализ.

Критерии согласия.


3.Учебно-методическое обеспечение дисциплины.

3.1 Темы индивидуальных сообщений:

Методы имитационного моделирования.

Факторный анализ.

Меры связи для слабых шкал.

Временные ряды.

3.2 Образцы вопросов для подготовки к экзамену.


3.3 Список основной и дополнительной литературы.

1. Вентцель Е. С. Теория вероятностей. - М.: Наука, 1969. - 576 с.
   
2. А. М. Яглом, И. М. Яглом. Вероятность и информация. - М.: Наука, 1973. - 512 с.
   
3. Кендалл М. Дж., Стьюарт А. Теория распределений. - М.: Наука, 1966. - 588 с.
   
4. Кендалл М. Дж., Стьюарт А. Статистические выводы и связи. - М.: Наука, 1973. - 900 с.
   
5. Кендалл М. Дж., Стьюарт А. Многомерный статистический анализ и временные ряды. - М.: Наука, 1976. - 736 с.
   
6. С. А. Айвазян и др. Прикладная статистика. Исследование зависимостей. – М.: Финансы и статистика, 1989. - 587 с.
   
7. С. А. Айвазян и др. Прикладная статистика. Классификация и снижение размерности. - М.: Финансы и статистика, 1989. - 587 с.
   
8. С. М. Ермаков, Г. А. Михайлов. Курс статистического моделирования. - М.: Наука, 1976. - 319 с.
   
9. Прогноз месторождений нефти и газа / А. Э. Конторович, Э. Э. Фотиади, В. И. Демин и др. М.: Недра, 1981. - 350 с.
   
10. Количественная оценка перспектив нефтегазоносности слабоизученных регионов / А. Э. Конторович, Л. М. Бурштейн, Г. С. Гуревич и др. Под редакцией А. Э. Конторовича. М.: Недра, 1988. - 223 с.
    
11. Вистелиус А. Б. Основы математической геологии. - Л.: Наука, 1980. - 389 с.
    
12. У. Крамбейн, Ф. Грейбилл. Статистические модели в геологии. - М.: Мир, 1969. - 397 с.
    
13. Дж. С. Дэвис. Статистический анализ данных в геологии. Кн. 1. – М.: Недра, 1990. - 319 с.
    
14. Дж. С. Дэвис. Статистический анализ данных в геологии. Кн. 2. – М.: Недра, 1990. - 427 с.
    
15. Шестаков Ю. Г. Математические методы в геологии. - Красноярск: Изд-во Красноярского университета, 1988. - 207 с.
    

Программу составил, к.г.-м.н., доцент Лившиц В.Р.


Новосибирск, 2009