Інфопакет

Статистичний аналіз даних

ВБ 1.07

Вибіркова дисципліна для ОП

Перший

2023/2024

7 Семестр

4

Студент повинен знати основні оператори і підходи мови Python, типи даних, візуалізацію даних; робота з модулем stats, пакетами statsmodels і scipy; інструменти модуля PANDAS; модель авторегресії AR; рівняння для ОМВ, властивості оцінок; модель авторегресії з залишками у формі ковзаючого середнього; формули для коефіцієнтів; перевірка гіпотез про порядок AR, MA, ARIMA, критерій Фостера-Стюарта. Студент повинен вміти програмувати на мові Python, вміти написати код для реалізації основних статистичних методів аналізу даних і їх візуалізаці; застосовувати на практиці побудову гістограми, базисного та ланцюгового темпів росту; застосувати критерій Фостера-Стюарта, критерій серій; дослідити лінійну і поліноміальну моделі; підібрати параметри ARMA процесу за допомогою критерію АКАІКЕ; побудувати ACF, PACF, застосувати тест Дікі-Фулєра.екомпозицію і прогнозування; складати дизайн-план вибіркових обстежень, вміти застосовувати інтерпретувати модель SARIMA.

Очна форма

Навчальна дисципліна “Статистичний аналіз даних” базується на циклі дисциплін “Теорія ймовірностей”, “Прикладна математична статистика”, “Статистична радіофізика”, “Об’єктно-орієнтовне програмування”. Попередні вимоги: студент повинен знати: основи теорії ймовірностей і математичної статистики, основи програмування. студент повинен вміти: оперувати з випадковими величинами і процесами, застосовувати статистичні методи на практиці, програмувати.

Дисципліна “Статистичний аналіз даних” дозволяє студенту зорієнтуватись в сучасних проблемах прикладної статистики і вивчити програмну систему, яка є інструментом розв’язку таких задач. Як відомо, статистичні методи є найбільш широковживаним математичним інструментом для фахівців в галузі економіки. Курс “ Статистичний аналіз даних ” складається з розділів «Базові поняття мови Python», «Авторегресійні моделі», «Моделі ковзного середнього», «SARIMA моделі», «Ланцюги Маркова», «Дифузійні процеси». Кожен з цих розділів дозволяє вивчити певні статистичні методи аналізу даних і з теоретичної точки зору, і з практичної, на базі програмного середовища (мови програмування) Python. Це дуже потужна і популярна мова програмування, яка поширюється безкоштовно в світі і швидко розбудовується користувачами

1. Майборода Р.Є. «Комп’ютерна статистика.» Підручник. - К., ВПЦ «Київський університет», 2019. https://probability.knu.ua/userfiles/mre/cscolor.pdf 2. Майборода Р.Є., Сугакова О.В. «Аналіз даних за допомогою пакету R». Навчальний посібник – К., 2015. http://matphys.rpd.univ.kiev.ua/wp/wp-content/uploads/2016/12/Statistics_with_R.pdf 3. Т. Андерсон. «Статистика часовіх рядов» – Boca Raton, London, New York: CRC Press, Taylor&Francis Group, 2008. – 700 p. 4. Черняк О.І., Комашко О.В., Ставицький А.В., Баженова О.В. «Економетрика» - ВПЦ «Київський університет», 2009. 5. Василик О.І., Яковенко Т.О. «Лекції з теорії і методів вибіркових обстежень» - К., ВПЦ «Київський університет», 2010 – 208 с. 6. ARIMA models https://pyflux.readthedocs.io/en/latest/arima.html

Лекції, лабораторні роботи, самостійна робота.

Семестрове оцінювання: навчальний семестр має один змістовний модуль. Студент повинний виконати і здати чотири лабораторні роботи. Обов’язковим для допуску до іспиту є: набрати на протязі семестру не менше 36 балів. Підсумкове оцінювання у формі заліку, форма заліку – письмово-усна Умовою досягнення позитивної оцінки за дисципліну є отримання не менш ніж 60 балів, оцінка за іспит не може бути меншою 24 бали.

Українська