Содержание

Планирование и обработка результатов научного эксперимента 2017

Экзамен и консультация

Консультация 19.06.2017 16:00 ауд 1404
Экзамен 20.06.2017 в 10-00 ауд 1404

Семинар по САРДу 27.03.2017 в 12:00

Элементарное введение в Матлаб с нуля Плейлист курса Youtube

Консультации

Понедельник 29.06 14:00

Посещение занятий

Литература

regression_trivia_2017.pdf Регрессия-шпаргалка
Гмурман В. Е. - Теория вероятностей и математическая статистика - 2004
Рыков В.В., Иткин В.Ю. Математическая статистика и планирование эксперимента 2010
Я. Р. Магнус, П.К. Катышев, А.А. Пересецкий - Эконометрика. Начальный курс.
В.Ю. Иткин, О.Н. Кочуева ИНТЕРПОЛЯЦИЯ И СГЛАЖИВАНИЕ ДАННЫХ В ПАКЕТЕ MATLAB

Домашние и практические работы

Список студентов гр. АТМ-16-01

Практика 1. Моделирование средневыборочного как случайной величины

Практика 1. Моделирование средневыборочного как случайной величины. Вопросы к защите в файле. Защита без снижения балла до 2.03.2017

Практика 2. Равенство МО нормальных СВ при известной дисперсии (достоверность датчиков). Вопросы к защите в файле. Защита до 21.03.2017 Файл обновлен 29 марта

Практика 3. Оценка дисперсии как случайная величина Вопросы к защите в файле. Защита до 7.04.2017, допускается совместно с практикой 4 Файл обновлен 30 марта, исправлена ошибка в ч.2

Практика 4. Равенство МО нормальных СВ при неизвестной дисперсии (достоверность датчиков-2). Вопросы к защите в файле. **Защита до 14.04.2017**

Практика 5. Регрессия. МНК и статистические свойства коэффициентов регрессии и прогноза Защита до 27.04.2017 Добавлена вторая версия вопросов к защите

Практика 6. Регрессионные модели характеристик насосных агрегатов (обновлено 29.05.2017) Защита до 31.05.2017
Данные к практике

Практика 7. Анализ регрессионных остатков и скользящий контроль (обновлено 29.05.2017) Защита до 31.05.2017

Лекция 1. Моделирование средневыборочного как случайной величины (9 февраля)

часть 1 часть 2 часть 3 часть 4

Лекция 2. Критерий сравнения МО двух нормальных СВ при известной дисперсии (16 февраля)

часть 1 часть 2 часть 3 часть 4

Лекция 3. Критерий сравнения МО двух нормальных СВ. Учет усреднения (2 марта)

часть 1 часть 2 часть 3 часть 4

Лекция 4. Критерий сравнения МО двух нормальных СВ при неизвестных дисперсиях (9 марта)

Оценка дисперсии как случайная величина
Смещенная и несмещенная дисперсия
Стьюдентизированная нормальная СВ
Видео выложено в плейлист курса на Youtube

Лекция 5. Регрессионные модели. Введение (16 марта)

Объяснение невязок модели и данных как реализаций случайного шума
Векторная форма МНК
Критерий МНК в графическом виде для модели y = kx
Видео выложено в плейлист курса на Youtube

Лекция 6. Регрессионные модели. Метод наименьших квадратов (23 марта)

Генератор случайной выборки по регрессионной модели
3D-график критерия МНК
Вывод нормальных уравнений регрессии
Видео выложено в плейлист курса на Youtube

Лекция 7. Регрессионные модели. Статистические свойства оценок коэффициентов регрессии (30 марта)

Ковариационная матрица оценок коэффициентов регресии Видео выложено в плейлист курса на Youtube

Лекция 8. Регрессионные модели. Статистические свойства прогноза. Полигон относительных частот (6 апреля)

Видео выложено в плейлист курса на Youtube

Лекция 9. Регрессионные модели. (13 апреля)

Видео выложено в плейлист курса на Youtube

Лекция 10. Регрессионные модели. (20 апреля)

Видео выложено в плейлист курса на Youtube

Лекция 12, 13. Регрессионные модели. (27 апреля)

Видео выложено в плейлист курса на Youtube