Markodelgroup

Эта страница только для чтения. Вы можете посмотреть исходный текст, но не можете его изменить. Сообщите администратору, если считаете, что это неправильно.
===== Планирование и обработка результатов научного эксперимента 2017 =====

==== Семинар по САРДу 27.03.2017 в 12:00 ====

[[http://www.youtube.com/playlist?list=PLmu_y3-DV2_nKd7epECPEbTVamsmEmMMI|Элементарное введение в Матлаб с нуля]]

[[https://www.youtube.com/playlist?list=PLSVZVy9n1aZGZvsBJ5elIs65z9vb6Hsup|Плейлист курса Youtube]]


[[https://docs.google.com/spreadsheets/d/1epVTsi_3RltK_teeK-ZZeyGbGNtPzff_la_yqrAEbME/edit#gid=0|Посещение занятий]]

==== Литература ====
{{:plan:gmurman_2004.zip|Гмурман В. Е. - Теория вероятностей и математическая статистика - 2004}}\\
{{:plan:rykov_itkin_2010.rar|Рыков В.В., Иткин В.Ю. Математическая статистика и планирование эксперимента 2010}}\\
[[http://rutracker.org/forum/viewtopic.php?t=739088|Я. Р. Магнус, П.К. Катышев, А.А. Пересецкий - Эконометрика. Начальный курс.]]\\
[[http://www.gubkin.ru/faculty/automation_and_computer_science/chairs_and_departments/pmikm/TextBooks/InterpolationAndSmooth/Interpolation_v2.pdf|В.Ю. Иткин, О.Н. Кочуева ИНТЕРПОЛЯЦИЯ И СГЛАЖИВАНИЕ ДАННЫХ В ПАКЕТЕ MATLAB]]




==== Домашние и практические работы ====
[[https://docs.google.com/spreadsheets/d/18GLtw-kWtqHvSs_b-2DD0e9CDrrRqJC1xyJ9F8fVA4E/edit#gid=0|Список студентов гр. АТМ-16-01]]\\

=== Практика 1. Моделирование средневыборочного как случайной величины ===
{{:plan:2017:practice_1_empirical_mean.pdf|Практика 1. Моделирование средневыборочного как случайной величины. }} **Вопросы к защите в файле. Защита без снижения балла до 2.03.2017**\\

{{:plan:2017:practice_2_means_rev2.pdf|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

{{:plan:2017:practice_3_dispersion_estimator_rev2.pdf|Практика 3. Оценка дисперсии как случайная величина }} **Вопросы к защите в файле. Защита до 7.04.2017, допускается совместно с практикой 4**\\


{{:plan:2017:practice_4_means_zt_rev1.pdf|Практика 4. Равенство МО нормальных СВ при неизвестной дисперсии (достоверность датчиков-2). Вопросы к защите в файле. **Защита до 14.04.2017**}}


{{|Практика 4. Регрессия. МНК }} **Защита до 14.04.2017**\\
{{|Практика 5. Регрессия. Статистические свойства МНК-оценок }} **Защита до 21.04.2017**\\
{{|Практика 6. Регрессия. Доверительный интервал прогноза }} **Защита до 1.05.2017**\\
{{|Практика 7. Регрессия. Проверка адекватности модели. Критерий Фишера. Критерий Стьюдента }} **Защита до 14.05.2017**\\
{{|Практика 8. Регрессия. Анализ регрессионных остатков. Критерий Пирсона }} **Защита до 14.05.2017**\\





=== Лекция 1. Моделирование средневыборочного как случайной величины (9 февраля) ===
[[https://youtu.be/ivgfbH3OO9I|часть 1]]
[[https://youtu.be/agt8IWD_S74|часть 2]]
[[https://youtu.be/16aneq9up8Y|часть 3]]
[[https://youtu.be/roEWnk_PmdI|часть 4]]

=== Лекция 2. Критерий сравнения МО двух нормальных СВ при известной дисперсии (16 февраля) ===
[[https://youtu.be/LIy3JG5XVao|часть 1]]
[[https://youtu.be/G1aVNFCtl6U|часть 2]]
[[https://youtu.be/L8dnWMQx2q0|часть 3]]
[[https://youtu.be/gcj7cNTQGnY|часть 4]]


=== Лекция 3. Критерий сравнения МО двух нормальных СВ. Учет усреднения (2 марта) ===
[[https://youtu.be/1eryXL8rxhA|часть 1]]
[[https://youtu.be/Lnr34XhH7js|часть 2]]
[[https://youtu.be/FY0PFb9sWJY|часть 3]]
[[https://youtu.be/x3h-d86A0tw|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\\
[[https://www.youtube.com/playlist?list=PLSVZVy9n1aZGZvsBJ5elIs65z9vb6Hsup|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\\
[[https://www.youtube.com/playlist?list=PLSVZVy9n1aZGZvsBJ5elIs65z9vb6Hsup|Видео выложено в плейлист курса на Youtube]]\\

=== Лекция 6. Регрессионные модели. Метод наименьших квадратов (23 марта) ===
[[https://github.com/victorsouth/matlab_statistics/blob/master/seminar_mnk_2017.m|Генератор случайной выборки по регрессионной модели]]\\
3D-график критерия МНК\\
Вывод нормальных уравнений регрессии\\
[[https://www.youtube.com/playlist?list=PLSVZVy9n1aZGZvsBJ5elIs65z9vb6Hsup|Видео выложено в плейлист курса на Youtube]]\\

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

Инструменты пользователя

Инструменты сайта

Инструменты страницы
