Инструменты пользователя
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
Консультации
Понедельник 29.06 14:00
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
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 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)
Лекция 2. Критерий сравнения МО двух нормальных СВ при известной дисперсии (16 февраля)
Лекция 3. Критерий сравнения МО двух нормальных СВ. Учет усреднения (2 марта)
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)
Лекция 9. Регрессионные модели. (13 апреля)
Лекция 10. Регрессионные модели. (20 апреля)
Лекция 12, 13. Регрессионные модели. (27 апреля)
Инструменты страницы
