Wiki - Факультет компьютерных наук - Вклад [ru]

Дополнительные главы прикладной статистики (2020/21)

2020-12-06T15:02:21Z

SchattenGenie:

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 3-4 модулях.

'''Лектора:''' Деркач Денис Александрович

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса:

Гитхаб курса: [https://gitlab.com/lambda-hse/hse-stats-course-2021 hse-stat-course-2021]

Anytask курса:

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! инвайт AnyTask
|-
| 161 (МОП) || || || суббота, 15:10 - 16:30, ауд. 503 || 1jiNCvR
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5.
Проводится в форме письменной контрольной.

Дата проведения письменного коллоквиума -- '''10 ноября, 13:40-15:00, аудитория 205.'''

[https://github.com/artonson/hse-stat-course-2018/blob/master/testings/colloquium.pdf Программа коллоквиума [PDF, 460 КБайт<nowiki>]</nowiki>]

====Экзамен====

Устный экзамен по всем темам модуля оценивается от 0 до 10 баллов с шагом в 0.5.

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

Oитог = 0.8 * Oнакопл + 0.2 * Оэкз

Oнакопл = 0.75 * Oдз + 0.125 * Осамост + 0.125 * Околлок

'''Возможность получить автомат'''

Если вы:

* набрали больше или ровно 8 бонусных баллов за ДЗ;
* посетили больше или ровно 60% лекций;

То вы молодец и получаете право на 8, 9 или 10 автоматом(зависит от Oнакопл :)

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture-01-course-intro.pdf Слайды Course Intro] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/01-intro/seminar-01-problems.pdf Вводный семинар]
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_02_resampling.pdf Слайды Ресэмплинг] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/02-bootstrap/Bootstrap.ipynb Семинар по бутстрапу]
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_03_parametric.pdf Слайды по оценке параметров] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/seminar_parametric_estimation.ipynb Семинар по оценке параметров] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/parameter_estimation_with_probfit_and_pytorch.ipynb Оценка параметров]
|-
| 4 || 29 сентября || '''Метрики для сравнения распределений''' f-дивергенции, KL дивергенция, метрика Вассерштейна, растояние Йенсена-Шеннона. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_04_distance.pdf Слайды по метрикам] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/04-metrics/04_natural_gradient_unfilled.ipynb Семинар]
|-
| 5 || 6 октября || '''Проверка гипотез''' f-дивергенции, KL дивергенция, метрика Вассерштейна, растояние Йенсена-Шеннона. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_05_tests_intro.pdf Слайды по тестированию гипотез] [Семинар ]
|}

==Домашние задания==

Все домашние задания сдавать в Anytask курса.

{| class="wikitable"
|-
! Номер !! Сроки выполнения !! Ссылка на условие
|-
| 1 || 20 сентября - 5 октября || https://github.com/artonson/hse-stat-course-2018/blob/master/homework-handouts/homework-1.pdf
|-
| 2 || 10 октября - 24 октября 23:59 || https://github.com/artonson/hse-stat-course-2018/blob/master/homework-handouts/homework-2.pdf
|}

==Новости курса==

'''[08.09.18]''' - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Прикладная статистика в машинном обучении(2018)

2020-12-06T15:00:33Z

SchattenGenie: SchattenGenie переименовал страницу Прикладная статистика в машинном обучении(2018) в Дополнительные главы прикладной статистики(2020): Новый…

#перенаправление [[Дополнительные главы прикладной статистики(2020)]]

Дополнительные главы прикладной статистики (2020/21)

2020-12-06T15:00:33Z

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

Гитхаб курса: [https://github.com/artonson/hse-stat-course-2018 hse-stat-course-2018]

Anytask курса: [https://anytask.org/course/381 anytask]

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || Алексей Хачиянц || суббота, 15:10 - 16:30, ауд. 505 || nnxckG8
|-
| 161 (МОП) || Белавин Владислав || Диана Полонская || суббота, 15:10 - 16:30, ауд. 503 || 1jiNCvR
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5.
Проводится в форме письменной контрольной.

Дата проведения письменного коллоквиума -- '''10 ноября, 13:40-15:00, аудитория 205.'''

[https://github.com/artonson/hse-stat-course-2018/blob/master/testings/colloquium.pdf Программа коллоквиума [PDF, 460 КБайт<nowiki>]</nowiki>]

====Экзамен====

Устный экзамен по всем темам модуля оценивается от 0 до 10 баллов с шагом в 0.5.

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

Oитог = 0.8 * Oнакопл + 0.2 * Оэкз

Oнакопл = 0.75 * Oдз + 0.125 * Осамост + 0.125 * Околлок

'''Возможность получить автомат'''

Если вы:

* набрали больше или ровно 8 бонусных баллов за ДЗ;
* посетили больше или ровно 60% лекций;

То вы молодец и получаете право на 8, 9 или 10 автоматом(зависит от Oнакопл :)

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture-01-course-intro.pdf Слайды Course Intro] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/01-intro/seminar-01-problems.pdf Вводный семинар]
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_02_resampling.pdf Слайды Ресэмплинг] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/02-bootstrap/Bootstrap.ipynb Семинар по бутстрапу]
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_03_parametric.pdf Слайды по оценке параметров] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/seminar_parametric_estimation.ipynb Семинар по оценке параметров] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/parameter_estimation_with_probfit_and_pytorch.ipynb Оценка параметров]
|-
| 4 || 29 сентября || '''Метрики для сравнения распределений''' f-дивергенции, KL дивергенция, метрика Вассерштейна, растояние Йенсена-Шеннона. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_04_distance.pdf Слайды по метрикам] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/04-metrics/04_natural_gradient_unfilled.ipynb Семинар]
|-
| 5 || 6 октября || '''Проверка гипотез''' f-дивергенции, KL дивергенция, метрика Вассерштейна, растояние Йенсена-Шеннона. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_05_tests_intro.pdf Слайды по тестированию гипотез] [Семинар ]
|}

==Домашние задания==

Все домашние задания сдавать в Anytask курса.

{| class="wikitable"
|-
! Номер !! Сроки выполнения !! Ссылка на условие
|-
| 1 || 20 сентября - 5 октября || https://github.com/artonson/hse-stat-course-2018/blob/master/homework-handouts/homework-1.pdf
|-
| 2 || 10 октября - 24 октября 23:59 || https://github.com/artonson/hse-stat-course-2018/blob/master/homework-handouts/homework-2.pdf
|}

==Новости курса==

'''[08.09.18]''' - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-10-10T15:59:48Z

SchattenGenie: /* Семинары */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

Гитхаб курса: [https://github.com/artonson/hse-stat-course-2018 hse-stat-course-2018]

Anytask курса: [https://anytask.org/course/381 anytask]

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || Алексей Хачиянц || суббота, 15:10 - 16:30, ауд. 505 || nnxckG8
|-
| 161 (МОП) || Белавин Владислав || Диана Полонская || суббота, 15:10 - 16:30, ауд. 503 || 1jiNCvR
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5.
Проводится в форме письменной контрольной.

====Экзамен====

Устный экзамен по всем темам модуля оценивается от 0 до 10 баллов с шагом в 0.5.

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

Oитог = 0.8 * Oнакопл + 0.2 * Оэкз

Oнакопл = 0.75 * Oдз + 0.25 * Осамост

'''Возможность получить автомат'''

Если вы:

* набрали больше или ровно 8 бонусных баллов за ДЗ;
* посетили больше или ровно 60% лекций;

То вы молодец и получаете право на 8, 9 или 10 автоматом(зависит от Oнакопл :)

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture-01-course-intro.pdf Слайды Course Intro] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/01-intro/seminar-01-problems.pdf Вводный семинар]
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_02_resampling.pdf Слайды Ресэмплинг] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/02-bootstrap/Bootstrap.ipynb Семинар по бутстрапу]
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_03_parametric.pdf Слайды по оценке параметров] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/seminar_parametric_estimation.ipynb Семинар по оценке параметров] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/parameter_estimation_with_probfit_and_pytorch.ipynb Оценка параметров]
|-
| 4 || 29 сентября || '''Метрики для сравнения распределений''' f-дивергенции, KL дивергенция, метрика Вассерштейна, растояние Йенсена-Шеннона. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_04_distance.pdf Слайды по метрикам] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/04-metrics/04_natural_gradient_unfilled.ipynb Семинар]
|-
| 5 || 6 октября || '''Проверка гипотез''' f-дивергенции, KL дивергенция, метрика Вассерштейна, растояние Йенсена-Шеннона. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_05_tests_intro.pdf Слайды по тестированию гипотез] [Семинар ]
|}

==Домашние задания==

Все домашние задания сдавать в Anytask курса.

{| class="wikitable"
|-
! Номер !! Сроки выполнения !! Ссылка на условие
|-
| 1 || 20 сентября - 5 октября || https://github.com/artonson/hse-stat-course-2018/blob/master/homework-handouts/homework-1.pdf
|-
| 2 || 10 октября - 24 октября 23:59 || https://github.com/artonson/hse-stat-course-2018/blob/master/homework-handouts/homework-2.pdf
|}

==Новости курса==

'''[08.09.18]''' - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-10-10T15:57:14Z

SchattenGenie: /* Лекции и семинары */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

Гитхаб курса: [https://github.com/artonson/hse-stat-course-2018 hse-stat-course-2018]

Anytask курса: [https://anytask.org/course/381 anytask]

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! чат !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || Алексей Хачиянц || суббота, 15:10 - 16:30, ауд. 505 || || TBA
|-
| 161 (МОП) || Белавин Владислав || Диана Полонская || суббота, 15:10 - 16:30, ауд. 503 || || TBA
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5.
Проводится в форме письменной контрольной.

====Экзамен====

Устный экзамен по всем темам модуля оценивается от 0 до 10 баллов с шагом в 0.5.

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

Oитог = 0.8 * Oнакопл + 0.2 * Оэкз

Oнакопл = 0.75 * Oдз + 0.25 * Осамост

'''Возможность получить автомат'''

Если вы:

* набрали больше или ровно 8 бонусных баллов за ДЗ;
* посетили больше или ровно 60% лекций;

То вы молодец и получаете право на 8, 9 или 10 автоматом(зависит от Oнакопл :)

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture-01-course-intro.pdf Слайды Course Intro] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/01-intro/seminar-01-problems.pdf Вводный семинар]
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_02_resampling.pdf Слайды Ресэмплинг] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/02-bootstrap/Bootstrap.ipynb Семинар по бутстрапу]
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_03_parametric.pdf Слайды по оценке параметров] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/seminar_parametric_estimation.ipynb Семинар по оценке параметров] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/parameter_estimation_with_probfit_and_pytorch.ipynb Оценка параметров]
|-
| 4 || 29 сентября || '''Метрики для сравнения распределений''' f-дивергенции, KL дивергенция, метрика Вассерштейна, растояние Йенсена-Шеннона. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_04_distance.pdf Слайды по метрикам] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/04-metrics/04_natural_gradient_unfilled.ipynb Семинар]
|-
| 5 || 6 октября || '''Проверка гипотез''' f-дивергенции, KL дивергенция, метрика Вассерштейна, растояние Йенсена-Шеннона. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_05_tests_intro.pdf Слайды по тестированию гипотез] [Семинар ]
|}

==Домашние задания==

Все домашние задания сдавать в Anytask курса.

{| class="wikitable"
|-
! Номер !! Сроки выполнения !! Ссылка на условие
|-
| 1 || 20 сентября - 5 октября || https://github.com/artonson/hse-stat-course-2018/blob/master/homework-handouts/homework-1.pdf
|-
| 2 || 10 октября - 24 октября 23:59 || https://github.com/artonson/hse-stat-course-2018/blob/master/homework-handouts/homework-2.pdf
|}

==Новости курса==

'''[08.09.18]''' - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-10-10T15:56:53Z

SchattenGenie: /* Лекции и семинары */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

Гитхаб курса: [https://github.com/artonson/hse-stat-course-2018 hse-stat-course-2018]

Anytask курса: [https://anytask.org/course/381 anytask]

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! чат !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || Алексей Хачиянц || суббота, 15:10 - 16:30, ауд. 505 || || TBA
|-
| 161 (МОП) || Белавин Владислав || Диана Полонская || суббота, 15:10 - 16:30, ауд. 503 || || TBA
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5.
Проводится в форме письменной контрольной.

====Экзамен====

Устный экзамен по всем темам модуля оценивается от 0 до 10 баллов с шагом в 0.5.

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

Oитог = 0.8 * Oнакопл + 0.2 * Оэкз

Oнакопл = 0.75 * Oдз + 0.25 * Осамост

'''Возможность получить автомат'''

Если вы:

* набрали больше или ровно 8 бонусных баллов за ДЗ;
* посетили больше или ровно 60% лекций;

То вы молодец и получаете право на 8, 9 или 10 автоматом(зависит от Oнакопл :)

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture-01-course-intro.pdf Слайды Course Intro] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/01-intro/seminar-01-problems.pdf Вводный семинар]
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_02_resampling.pdf Слайды Ресэмплинг] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/02-bootstrap/Bootstrap.ipynb Семинар по бутстрапу]
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_03_parametric.pdf Слайды по оценке параметров] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/seminar_parametric_estimation.ipynb Семинар по оценке параметров] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/parameter_estimation_with_probfit_and_pytorch.ipynb Оценка параметров]
|-
| 4 || 29 сентября || '''Метрики для сравнения распределений''' f-дивергенции, KL дивергенция, метрика Вассерштейна, растояние Йенсена-Шеннона. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_04_distance.pdf Слайды по метрикам] [Семинар https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/04-metrics/04_natural_gradient_unfilled.ipynb]
|-
| 5 || 6 октября || '''Проверка гипотез''' f-дивергенции, KL дивергенция, метрика Вассерштейна, растояние Йенсена-Шеннона. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_05_tests_intro.pdf Слайды по тестированию гипотез] [Семинар ]
|}

==Домашние задания==

Все домашние задания сдавать в Anytask курса.

{| class="wikitable"
|-
! Номер !! Сроки выполнения !! Ссылка на условие
|-
| 1 || 20 сентября - 5 октября || https://github.com/artonson/hse-stat-course-2018/blob/master/homework-handouts/homework-1.pdf
|-
| 2 || 10 октября - 24 октября 23:59 || https://github.com/artonson/hse-stat-course-2018/blob/master/homework-handouts/homework-2.pdf
|}

==Новости курса==

'''[08.09.18]''' - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-10-10T15:54:05Z

SchattenGenie: /* Домашние задания */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

Гитхаб курса: [https://github.com/artonson/hse-stat-course-2018 hse-stat-course-2018]

Anytask курса: [https://anytask.org/course/381 anytask]

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! чат !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || Алексей Хачиянц || суббота, 15:10 - 16:30, ауд. 505 || || TBA
|-
| 161 (МОП) || Белавин Владислав || Диана Полонская || суббота, 15:10 - 16:30, ауд. 503 || || TBA
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5.
Проводится в форме письменной контрольной.

====Экзамен====

Устный экзамен по всем темам модуля оценивается от 0 до 10 баллов с шагом в 0.5.

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

Oитог = 0.8 * Oнакопл + 0.2 * Оэкз

Oнакопл = 0.75 * Oдз + 0.25 * Осамост

'''Возможность получить автомат'''

Если вы:

* набрали больше или ровно 8 бонусных баллов за ДЗ;
* посетили больше или ровно 60% лекций;

То вы молодец и получаете право на 8, 9 или 10 автоматом(зависит от Oнакопл :)

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture-01-course-intro.pdf Слайды Course Intro] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/01-intro/seminar-01-problems.pdf Вводный семинар]
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_02_resampling.pdf Слайды Ресэмплинг] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/02-bootstrap/Bootstrap.ipynb Семинар по бутстрапу]
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_03_parametric.pdf Слайды по оценке параметров] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/seminar_parametric_estimation.ipynb Семинар по оценке параметров] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/parameter_estimation_with_probfit_and_pytorch.ipynb Оценка параметров]
|-
| 4 || 29 сентября || '''Метрики для сравнения распределений''' f-дивергенции, KL дивергенция, метрика Вассерштейна, растояние Йенсена-Шеннона. ||
|}

==Домашние задания==

Все домашние задания сдавать в Anytask курса.

{| class="wikitable"
|-
! Номер !! Сроки выполнения !! Ссылка на условие
|-
| 1 || 20 сентября - 5 октября || https://github.com/artonson/hse-stat-course-2018/blob/master/homework-handouts/homework-1.pdf
|-
| 2 || 10 октября - 24 октября 23:59 || https://github.com/artonson/hse-stat-course-2018/blob/master/homework-handouts/homework-2.pdf
|}

==Новости курса==

'''[08.09.18]''' - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-09-26T18:26:25Z

SchattenGenie: /* Домашние задания */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

Гитхаб курса: [https://github.com/artonson/hse-stat-course-2018 hse-stat-course-2018]

Anytask курса: [https://anytask.org/course/381 anytask]

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! чат !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || Алексей Хачиянц || суббота, 15:10 - 16:30, ауд. 505 || || TBA
|-
| 161 (МОП) || Белавин Владислав || Диана Полонская || суббота, 15:10 - 16:30, ауд. 503 || || TBA
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5.
Проводится в форме письменной контрольной.

====Экзамен====

Устный экзамен по всем темам модуля оценивается от 0 до 10 баллов с шагом в 0.5.

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

Oитог = 0.8 * Oнакопл + 0.2 * Оэкз

Oнакопл = 0.75 * Oдз + 0.25 * Осамост

'''Возможность получить автомат'''

Если вы:

* набрали больше или ровно 8 бонусных баллов за ДЗ;
* посетили больше или ровно 60% лекций;

То вы молодец и получаете право на 8, 9 или 10 автоматом(зависит от Oнакопл :)

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture-01-course-intro.pdf Слайды Course Intro] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/01-intro/seminar-01-problems.pdf Вводный семинар]
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_02_resampling.pdf Слайды Ресэмплинг] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/02-bootstrap/Bootstrap.ipynb Семинар по бутстрапу]
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_03_parametric.pdf Слайды по оценке параметров] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/seminar_parametric_estimation.ipynb Семинар по оценке параметров] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/parameter_estimation_with_probfit_and_pytorch.ipynb Оценка параметров]
|-
| 4 || 29 сентября || '''Метрики для сравнения распределений''' f-дивергенции, KL дивергенция, метрика Вассерштейна, растояние Йенсена-Шеннона. ||
|}

==Домашние задания==

Все домашние задания сдавать в Anytask курса.

{| class="wikitable"
|-
! Номер !! Сроки выполнения !! Ссылка на условие
|-
| 1 || 20 сентября - 5 октября || https://github.com/artonson/hse-stat-course-2018/blob/master/homework-handouts/homework-1.pdf
|}

==Новости курса==

'''[08.09.18]''' - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-09-26T18:24:39Z

SchattenGenie: /* Домашние задания */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

Гитхаб курса: [https://github.com/artonson/hse-stat-course-2018 hse-stat-course-2018]

Anytask курса: [https://anytask.org/course/381 anytask]

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! чат !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || Алексей Хачиянц || суббота, 15:10 - 16:30, ауд. 505 || || TBA
|-
| 161 (МОП) || Белавин Владислав || Диана Полонская || суббота, 15:10 - 16:30, ауд. 503 || || TBA
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5.
Проводится в форме письменной контрольной.

====Экзамен====

Устный экзамен по всем темам модуля оценивается от 0 до 10 баллов с шагом в 0.5.

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

Oитог = 0.8 * Oнакопл + 0.2 * Оэкз

Oнакопл = 0.75 * Oдз + 0.25 * Осамост

'''Возможность получить автомат'''

Если вы:

* набрали больше или ровно 8 бонусных баллов за ДЗ;
* посетили больше или ровно 60% лекций;

То вы молодец и получаете право на 8, 9 или 10 автоматом(зависит от Oнакопл :)

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture-01-course-intro.pdf Слайды Course Intro] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/01-intro/seminar-01-problems.pdf Вводный семинар]
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_02_resampling.pdf Слайды Ресэмплинг] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/02-bootstrap/Bootstrap.ipynb Семинар по бутстрапу]
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_03_parametric.pdf Слайды по оценке параметров] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/seminar_parametric_estimation.ipynb Семинар по оценке параметров] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/parameter_estimation_with_probfit_and_pytorch.ipynb Оценка параметров]
|-
| 4 || 29 сентября || '''Метрики для сравнения распределений''' f-дивергенции, KL дивергенция, метрика Вассерштейна, растояние Йенсена-Шеннона. ||
|}

==Домашние задания==

Все домашние задания сдавать в Anytask курса.

Задание #1 20/09 - 05/10 ([https://github.com/artonson/hse-stat-course-2018/blob/master/homework-handouts/homework-1.pdf Условие ДЗ])

==Новости курса==

'''[08.09.18]''' - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-09-26T17:49:48Z

SchattenGenie: /* Лекции и семинары */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

Гитхаб курса: [https://github.com/artonson/hse-stat-course-2018 hse-stat-course-2018]

Anytask курса: [https://anytask.org/course/381 anytask]

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! чат !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || Алексей Хачиянц || суббота, 15:10 - 16:30, ауд. 505 || || TBA
|-
| 161 (МОП) || Белавин Владислав || Диана Полонская || суббота, 15:10 - 16:30, ауд. 503 || || TBA
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5.
Проводится в форме письменной контрольной.

====Экзамен====

Устный экзамен по всем темам модуля оценивается от 0 до 10 баллов с шагом в 0.5.

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

Oитог = 0.8 * Oнакопл + 0.2 * Оэкз

Oнакопл = 0.75 * Oдз + 0.25 * Осамост

'''Возможность получить автомат'''

Если вы:

* набрали больше или ровно 8 бонусных баллов за ДЗ;
* посетили больше или ровно 60% лекций;

То вы молодец и получаете право на 8, 9 или 10 автоматом(зависит от Oнакопл :)

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture-01-course-intro.pdf Слайды Course Intro] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/01-intro/seminar-01-problems.pdf Вводный семинар]
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_02_resampling.pdf Слайды Ресэмплинг] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/02-bootstrap/Bootstrap.ipynb Семинар по бутстрапу]
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_03_parametric.pdf Слайды по оценке параметров] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/seminar_parametric_estimation.ipynb Семинар по оценке параметров] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/parameter_estimation_with_probfit_and_pytorch.ipynb Оценка параметров]
|-
| 4 || 29 сентября || '''Метрики для сравнения распределений''' f-дивергенции, KL дивергенция, метрика Вассерштейна, растояние Йенсена-Шеннона. ||
|}

==Домашние задания==

==Новости курса==

'''[08.09.18]''' - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-09-26T17:46:15Z

SchattenGenie: /* Лекции и семинары */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

Гитхаб курса: [https://github.com/artonson/hse-stat-course-2018 hse-stat-course-2018]

Anytask курса: [https://anytask.org/course/381 anytask]

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! чат !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || Алексей Хачиянц || суббота, 15:10 - 16:30, ауд. 505 || || TBA
|-
| 161 (МОП) || Белавин Владислав || Диана Полонская || суббота, 15:10 - 16:30, ауд. 503 || || TBA
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5.
Проводится в форме письменной контрольной.

====Экзамен====

Устный экзамен по всем темам модуля оценивается от 0 до 10 баллов с шагом в 0.5.

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

Oитог = 0.8 * Oнакопл + 0.2 * Оэкз

Oнакопл = 0.75 * Oдз + 0.25 * Осамост

'''Возможность получить автомат'''

Если вы:

* набрали больше или ровно 8 бонусных баллов за ДЗ;
* посетили больше или ровно 60% лекций;

То вы молодец и получаете право на 8, 9 или 10 автоматом(зависит от Oнакопл :)

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture-01-course-intro.pdf Слайды Course Intro] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/01-intro/seminar-01-problems.pdf Вводный семинар]
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_02_resampling.pdf Слайды Ресэмплинг] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/02-bootstrap/Bootstrap.ipynb Семинар по бутстрапу]
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_03_parametric.pdf Слайды по оценке параметров] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/seminar_parametric_estimation.ipynb Семинар по оценке параметров] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/03-parameter_estimation/parameter_estimation_with_probfit_and_pytorch.ipynb Оценка параметров]
|-
| 4 || 29 сентября || '''Параметрическое оценивание(продолжение)'''||
|}

==Домашние задания==

==Новости курса==

'''[08.09.18]''' - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-09-21T19:52:38Z

SchattenGenie: /* Полезные ссылки */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

Гитхаб курса: [https://github.com/artonson/hse-stat-course-2018 hse-stat-course-2018]

Anytask курса: [https://anytask.org/course/381 anytask]

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! чат !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || Алексей Хачиянц || суббота, 15:10 - 16:30, ауд. 505 || || TBA
|-
| 161 (МОП) || Белавин Владислав || Диана Полонская || суббота, 15:10 - 16:30, ауд. 503 || || TBA
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5.
Проводится в форме письменной контрольной.

====Экзамен====

Устный экзамен по всем темам модуля оценивается от 0 до 10 баллов с шагом в 0.5.

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

Oитог = 0.8 * Oнакопл + 0.2 * Оэкз

Oнакопл = 0.75 * Oдз + 0.25 * Осамост

'''Возможность получить автомат'''

Если вы:

* набрали больше или ровно 8 бонусных баллов за ДЗ;
* посетили больше или ровно 60% лекций;

То вы молодец и получаете право на 8, 9 или 10 автоматом(зависит от Oнакопл :)

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture-01-course-intro.pdf Слайды Course Intro] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/01-intro/seminar-01-problems.pdf Вводный семинар]
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_02_resampling.pdf Слайды Ресэмплинг] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/02-bootstrap/Bootstrap.ipynb Семинар по бутстрапу]
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. ||
|-
| 4 || 29 сентября || '''Параметрическое оценивание(продолжение)'''||
|}

==Домашние задания==

==Новости курса==

'''[08.09.18]''' - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-09-16T09:30:12Z

SchattenGenie: /* Лекции и семинары */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

Гитхаб курса: [https://github.com/artonson/hse-stat-course-2018 hse-stat-course-2018]

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! чат !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || Алексей Хачиянц || суббота, 15:10 - 16:30, ауд. 505 || || TBA
|-
| 161 (МОП) || Белавин Владислав || Диана Полонская || суббота, 15:10 - 16:30, ауд. 503 || || TBA
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5.
Проводится в форме письменной контрольной.

====Экзамен====

Устный экзамен по всем темам модуля оценивается от 0 до 10 баллов с шагом в 0.5.

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

Oитог = 0.8 * Oнакопл + 0.2 * Оэкз

Oнакопл = 0.75 * Oдз + 0.25 * Осамост

'''Возможность получить автомат'''

Если вы:

* набрали больше или ровно 8 бонусных баллов за ДЗ;
* посетили больше или ровно 60% лекций;

То вы молодец и получаете право на 8, 9 или 10 автоматом(зависит от Oнакопл :)

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture-01-course-intro.pdf Слайды Course Intro] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/01-intro/seminar-01-problems.pdf Вводный семинар]
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture_02_resampling.pdf Слайды Ресэмплинг] [https://github.com/artonson/hse-stat-course-2018/blob/master/seminar-notes/02-bootstrap/Bootstrap.ipynb Семинар по бутстрапу]
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. ||
|-
| 4 || 29 сентября || '''Параметрическое оценивание(продолжение)'''||
|}

==Домашние задания==

==Новости курса==

'''[08.09.18]''' - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-09-08T14:02:41Z

SchattenGenie: /* Полезные ссылки */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

Гитхаб курса: [https://github.com/artonson/hse-stat-course-2018 hse-stat-course-2018]

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! чат !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || Алексей Хачиянц || суббота, 15:10 - 16:30, ауд. 505 || || TBA
|-
| 161 (МОП) || Белавин Владислав || Диана Полонская || суббота, 15:10 - 16:30, ауд. 503 || || TBA
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5.
Проводится в форме письменной контрольной.

====Экзамен====

Устный экзамен по всем темам модуля оценивается от 0 до 10 баллов с шагом в 0.5.

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

Oитог = 0.8 * Oнакопл + 0.2 * Оэкз

Oнакопл = 0.75 * Oдз + 0.25 * Осамост

'''Возможность получить автомат'''

Если вы:

* набрали больше или ровно 8 бонусных баллов за ДЗ;
* посетили больше или ровно 60% лекций;

То вы молодец и получаете право на 8, 9 или 10 автоматом(зависит от Oнакопл :)

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. || [https://github.com/artonson/hse-stat-course-2018/blob/master/lecture-slides/lecture-00-course-intro.pdf Слайды Course Intro]
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. ||
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. ||
|-
| 4 || 29 сентября || '''Параметрическое оценивание(продолжение)'''||
|}

==Домашние задания==

==Новости курса==

'''[08.09.18]''' - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-09-08T11:51:21Z

SchattenGenie: /* Итоговая оценка за курс */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

Гитхаб курса: TBA

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! чат !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || Алексей Хачиянц || суббота, 15:10 - 16:30, ауд. 505 || || TBA
|-
| 161 (МОП) || Белавин Владислав || Диана Полонская || суббота, 15:10 - 16:30, ауд. 503 || || TBA
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5.
Проводится в форме письменной контрольной.

====Экзамен====

Устный экзамен по всем темам модуля оценивается от 0 до 10 баллов с шагом в 0.5.

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

Oитог = 0.8 * Oнакопл + 0.2 * Оэкз

Oнакопл = 0.75 * Oдз + 0.25 * Осамост

'''Возможность получить автомат'''

Если вы:

* набрали больше или ровно 8 бонусных баллов за ДЗ;
* посетили больше или ровно 60% лекций;

То вы молодец и получаете право на 8, 9 или 10 автоматом(зависит от Oнакопл :)

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. ||
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. ||
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. ||
|-
| 4 || 29 сентября || '''Параметрическое оценивание(продолжение)'''||
|}

==Домашние задания==

==Новости курса==

'''[08.09.18]''' - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-09-08T11:44:15Z

SchattenGenie: /* Полезные ссылки */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

Гитхаб курса: TBA

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! чат !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || Алексей Хачиянц || суббота, 15:10 - 16:30, ауд. 505 || || TBA
|-
| 161 (МОП) || Белавин Владислав || Диана Полонская || суббота, 15:10 - 16:30, ауд. 503 || || TBA
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5.
Проводится в форме письменной контрольной.

====Экзамен====

Устный экзамен по всем темам модуля оценивается от 0 до 10 баллов с шагом в 0.5.

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

Oитог = 0.8 * Oнакопл + 0.2 * Оэкз

Oнакопл = 0.75 * Oдз + 0.25 * Осамост

'''Возможность получить автомат'''

Если вы:

* набрали больше или ровно 8 бонусных баллов за ДЗ;
* посетили больше или ровно 60% лекций;

То вы молодец и получаете право на 8, 9 или 10 автоматом :)

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. ||
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. ||
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. ||
|-
| 4 || 29 сентября || '''Параметрическое оценивание(продолжение)'''||
|}

==Домашние задания==

==Новости курса==

'''[08.09.18]''' - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-09-08T11:41:49Z

SchattenGenie: /* Итоговая оценка за курс */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! чат !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || Алексей Хачиянц || суббота, 15:10 - 16:30, ауд. 505 || || TBA
|-
| 161 (МОП) || Белавин Владислав || Диана Полонская || суббота, 15:10 - 16:30, ауд. 503 || || TBA
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5.
Проводится в форме письменной контрольной.

====Экзамен====

Устный экзамен по всем темам модуля оценивается от 0 до 10 баллов с шагом в 0.5.

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

Oитог = 0.8 * Oнакопл + 0.2 * Оэкз

Oнакопл = 0.75 * Oдз + 0.25 * Осамост

'''Возможность получить автомат'''

Если вы:

* набрали больше или ровно 8 бонусных баллов за ДЗ;
* посетили больше или ровно 60% лекций;

То вы молодец и получаете право на 8, 9 или 10 автоматом :)

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. ||
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. ||
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. ||
|-
| 4 || 29 сентября || '''Параметрическое оценивание(продолжение)'''||
|}

==Домашние задания==

==Новости курса==

'''[08.09.18]''' - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-09-08T11:41:33Z

SchattenGenie: /* Отчётность по курсу и критерии оценки */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! чат !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || Алексей Хачиянц || суббота, 15:10 - 16:30, ауд. 505 || || TBA
|-
| 161 (МОП) || Белавин Владислав || Диана Полонская || суббота, 15:10 - 16:30, ауд. 503 || || TBA
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 баллов с шагом в 0.5.
Проводится в форме письменной контрольной.

====Экзамен====

Устный экзамен по всем темам модуля оценивается от 0 до 10 баллов с шагом в 0.5.

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

Oитог = 0.8 * Oнакопл + 0.2 * Оэкз

Oнакопл = 0.75 * Oдз + 0.25 * Осамост

```Возможность получить автомат```

Если вы:

* набрали больше или ровно 8 бонусных баллов за ДЗ;
* посетили больше или ровно 60% лекций;

То вы молодец и получаете право на 8, 9 или 10 автоматом :)

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. ||
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. ||
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. ||
|-
| 4 || 29 сентября || '''Параметрическое оценивание(продолжение)'''||
|}

==Домашние задания==

==Новости курса==

'''[08.09.18]''' - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-09-08T10:10:12Z

SchattenGenie: /* Новости курса */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! чат !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || Алексей Хачиянц || суббота, 15:10 - 16:30, ауд. 505 || || TBA
|-
| 161 (МОП) || Белавин Владислав || Диана Полонская || суббота, 15:10 - 16:30, ауд. 503 || || TBA
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 с шагом в 0.5 баллов.

====Экзамен====

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

'''TBA'''

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. ||
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. ||
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. ||
|-
| 4 || 29 сентября || '''Параметрическое оценивание(продолжение)'''||
|}

==Домашние задания==

==Новости курса==

'''[08.09.18]''' - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-09-08T10:09:57Z

SchattenGenie: /* Новости курса */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! чат !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || Алексей Хачиянц || суббота, 15:10 - 16:30, ауд. 505 || || TBA
|-
| 161 (МОП) || Белавин Владислав || Диана Полонская || суббота, 15:10 - 16:30, ауд. 503 || || TBA
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 с шагом в 0.5 баллов.

====Экзамен====

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

'''TBA'''

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. ||
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. ||
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. ||
|-
| 4 || 29 сентября || '''Параметрическое оценивание(продолжение)'''||
|}

==Домашние задания==

==Новости курса==

[08.09.18] - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-09-08T09:44:17Z

SchattenGenie: /* Семинары */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! чат !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || Алексей Хачиянц || суббота, 15:10 - 16:30, ауд. 505 || || TBA
|-
| 161 (МОП) || Белавин Владислав || Диана Полонская || суббота, 15:10 - 16:30, ауд. 503 || || TBA
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 с шагом в 0.5 баллов.

====Экзамен====

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

'''TBA'''

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. ||
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. ||
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. ||
|-
| 4 || 29 сентября || '''Параметрическое оценивание(продолжение)'''||
|}

==Домашние задания==

==Новости курса==

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

[08.09.18] - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-09-08T09:38:22Z

SchattenGenie: /* Итоговая оценка за курс */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! чат !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || || суббота, 15:10 - 16:30, ауд. 505 || || TBA
|-
| 161 (МОП) || Белавин Владислав || || суббота, 15:10 - 16:30, ауд. 503 || || TBA
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 с шагом в 0.5 баллов.

====Экзамен====

====Итоговая оценка за курс====

Итоговая оценка за курс расчитывается по следующей формуле:

'''TBA'''

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. ||
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. ||
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. ||
|-
| 4 || 29 сентября || '''Параметрическое оценивание(продолжение)'''||
|}

==Домашние задания==

==Новости курса==

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

[08.09.18] - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-09-08T09:35:30Z

SchattenGenie: /* Домашние задания */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! чат !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || || суббота, 15:10 - 16:30, ауд. 505 || || TBA
|-
| 161 (МОП) || Белавин Владислав || || суббота, 15:10 - 16:30, ауд. 503 || || TBA
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.
* Итоговая оценка за ДЗ считается как среднее арифметическое округленное до ближайшего целого или половинного балла.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 с шагом в 0.5 баллов.

====Экзамен====

====Итоговая оценка за курс====

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. ||
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. ||
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. ||
|-
| 4 || 29 сентября || '''Параметрическое оценивание(продолжение)'''||
|}

==Домашние задания==

==Новости курса==

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

[08.09.18] - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-09-08T09:33:57Z

SchattenGenie: /* Тесты */

== О курсе ==

Курс читается для студентов 3-го курса [https://cs.hse.ru/ami ПМИ ФКН ВШЭ] в 1-2 модулях.

'''Лектора:''' Артемов Алексей Валерьевич, Деркач Денис Александрович, Шараев Максим Геннадьевич

Лекции проходят по субботам (8, 15, 22, 29 сентября, 6, 13, 20, 27 октября, 3, 10, 17, 24 ноября, 1, 8 декабря), 13:40 - 15:00, ауд. 205.

=== Полезные ссылки ===

Телеграм-чат курса: [https://t.me/joinchat/BgHoTw26JD10m_EUoVA8Gw Общая группа курса ПСМО-18/19]

=== Семинары ===

{| class="wikitable"
|-
! Группа !! Преподаватель !! Учебный ассистент !! Расписание !! чат !! инвайт AnyTask
|-
| 162 (МОП) || Кондратьева Екатерина || || суббота, 15:10 - 16:30, ауд. 505 || || TBA
|-
| 161 (МОП) || Белавин Владислав || || суббота, 15:10 - 16:30, ауд. 503 || || TBA
|}

===Отчётность по курсу и критерии оценки===

==== Домашние задания ====

В рамках курса каждые два занятия будет выдаваться домашняя работа содержащая теоретические и практические задачи по материалам прошедших занятий.

* На выполнение ДЗ отводится 2 недели. За решения отправленные после дедлайна начисляется 0 баллов.
* Каждое ДЗ оценивается по шкале от 0 до 10 баллов с шагом в 0.5 баллов.

====Тесты====

В начале каждой лекции, начиная со второй, будет проводиться тест по материалам предыдущей недели. Тест состоит из 10 вопросов.

====Коллоквиум====

За коллоквиум ставится оценка от 0 до 10 с шагом в 0.5 баллов.

====Экзамен====

====Итоговая оценка за курс====

==Лекции и семинары==

{| class="wikitable"
|-
! Номер !! Дата !! Название !! Материалы
|-
| 1 || 8 сентября || '''Введение. Задачи по теории вероятностей и статистике''' На занятии будут рассмотрены задачи по различным областям теории вероятностей и статистике для освежения знаний теории вероятностей и статистики у коллег. ||
|-
| 2 || 15 сентября || '''Ресемплинг''' Моделирование Монте-Карло, бутстреп. Оценка дисперсии на основе бутстрепа. Оценка доверительных интервалов на основе бутстрепа. Метод складного ножа. Множественная проверка гипотез, методы коррекции. Беггинг. '''Тест:''' основы математической статистики. ||
|-
| 3 || 22 сентября || '''Параметрическое оценивание''' Метод максимального правдоподобия и его свойства. Дельта-метод. Случай векторного параметра. Доверительное оценивание. Достаточная статистика. ||
|-
| 4 || 29 сентября || '''Параметрическое оценивание(продолжение)'''||
|}

==Домашние задания==

==Новости курса==

(В этом разделе публикуется текущая информация по курсу: переносы, изменения в запланированной программе, ...)

[08.09.18] - Первая лекция и семинар объединены и проводятся в 205 аудитории с 13:40 до 16:30.

==Полезные материалы==

1. [https://web.stanford.edu/~hastie/ElemStatLearn/ Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001.]

2. [https://www.dropbox.com/s/nrempaxwtf0hbqg/Wasserman%20L.%20All%20of%20Nonparametric%20Statistics.pdf?dl=0 Wasserman L. All of Nonparametric Statistics. Springer, 2006.]

3. [https://www.dropbox.com/s/fwat2tikn9wkqre/Bishop%20C.M.%20Pattern%20recognition%20and%20machine%20learning.pdf?dl=0 Bishop C.M. Pattern recognition and machine learning. Springer, 2006.]

4. [https://www.dropbox.com/s/h0kaiix6y3g3yzl/David%20Mackay%20J.C.%20Information%20theory%2C%20inference%2C%20and%20learning%20algorithms..pdf?dl=0 David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007.]

5. [https://www.dropbox.com/s/3dyw3c4bv5bl2xw/Grimmett%20G.%2C%20Stirzaker%20D.%20Probability%20and%20Random%20Processes.djvu?dl=0 Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001.]

6. [https://www.dropbox.com/s/r8wcms7vszqd8tv/Forrester%20A.%2C%20Sobester%20A.%2C%20Keane%20A.%20Engineering%20Design%20via%20Surrogate%20Modelling.pdf?dl=0 Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008.]

7. [https://www.dropbox.com/s/f07k3k9ak8b4wbq/Lee%20J.A.%2C%20Verleysen%20M.%20Nonlinear%20Dimensionality%20Reduction.pdf?dl=0 Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007.]

8. [https://www.dropbox.com/s/izx6kbyd3jcz162/Wang%20G.G.%2C%20Shan%20S.%20Review%20of%20Metamodeling%20Techniques%20in%20Support%20of%20Engineering%20Design%20Optimization.pdf?dl=0 Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design, Vol. 129, No. 4, pp. 370-380, 2007.]

9. [https://www.dropbox.com/s/13vgwzjhfygcui3/Deconinck%2C%20Periaux%2C%20Giannakoglou%20%28eds.%29.%20Optimization%20method%20and%20tools%20for%20multicriteria%20multidisciplinary%20design.pdf?dl=0 Deconinck, Periaux, Giannakoglou (eds.). Optimization method and tools for multicriteria/multidisciplinary design. Applications to aeronautics and turbomachinary // von Karman Institute for Fluid Dynamics, Lecture Series 2004-07, 2004.]

10. [https://www.dropbox.com/s/f8hl8iliswk2fgv/%D0%9B%D0%B0%D0%B3%D1%83%D1%82%D0%B8%D0%BD%20%D0%9C.%D0%91.%20%D0%9D%D0%B0%D0%B3%D0%BB%D1%8F%D0%B4%D0%BD%D0%B0%D1%8F%20%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.djvu?dl=0 Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.]

11. [https://www.dropbox.com/s/hjv1olagi1smkll/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9E%D1%81%D0%BD%D0%BE%D0%B2%D1%8B%20%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D1%8F%20%D0%B8%20%D0%BF%D0%B5%D1%80%D0%B2%D0%B8%D1%87%D0%BD%D0%B0%D1%8F%20%D0%BE%D0%B1%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0%20%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.]

12. [https://www.dropbox.com/s/46aw6dnnf9ec7ko/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%98.%D0%A1.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%98%D1%81%D1%81%D0%BB%D0%B5%D0%B4%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5%20%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9.djvu?dl=0 Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.]

13. [https://www.dropbox.com/s/e7gx4womlbtasic/%D0%90%D0%B9%D0%B2%D0%B0%D0%B7%D1%8F%D0%BD%20%D0%A1.%D0%90.%2C%20%D0%91%D1%83%D1%85%D1%88%D1%82%D0%B0%D0%B1%D0%B5%D1%80%20%D0%92.%D0%9C.%2C%20%D0%95%D0%BD%D1%8E%D0%BA%D0%BE%D0%B2%20%D0%A1.%D0%90.%2C%20%D0%9C%D0%B5%D1%88%D0%B0%D0%BB%D0%BA%D0%B8%D0%BD%20%D0%9B.%D0%94.%20%D0%9F%D1%80%D0%B8%D0%BA%D0%BB%D0%B0%D0%B4%D0%BD%D0%B0%D1%8F%20%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D0%BA%D0%B0.%20%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F%20%D0%B8%20%D1%81%D0%BD%D0%B8%D0%B6%D0%B5%D0%BD%D0%B8%D0%B5%20%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8.djvu?dl=0 Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.]

Дополнительные главы прикладной статистики (2020/21)

2018-09-08T09:32:35Z

SchattenGenie: /* Коллоквиум */

Дополнительные главы прикладной статистики (2020/21)

2018-09-08T09:15:06Z

SchattenGenie: /* Полезные ссылки */

Дополнительные главы прикладной статистики (2020/21)

2018-09-08T09:12:20Z

SchattenGenie:

Дополнительные главы прикладной статистики (2020/21)

2018-09-06T15:32:04Z

SchattenGenie: /* Полезные ссылки */

Дополнительные главы прикладной статистики (2020/21)

2018-09-06T15:31:52Z

SchattenGenie: /* Полезные ссылки */

Дополнительные главы прикладной статистики (2020/21)

2018-09-06T15:25:54Z

SchattenGenie: /* Семинары */

Дополнительные главы прикладной статистики (2020/21)

2018-09-06T15:25:26Z

SchattenGenie:

Дополнительные главы прикладной статистики (2020/21)

2018-09-06T12:35:46Z

SchattenGenie: Создание страницы для курса ПСМО-2018.