Главная
страница 1


Министерство науки и образования Российской Федерации

Федеральное государственное автономное образовательное учреждение

высшего профессионального образования

«Московский физико-технический институт (государственный университет)»

МФТИ (ГУ)
«Утверждаю»

Проректор по учебной работе

_____________ О.А. Горшков

«___»______________ 20___ г.


РАБОЧАЯ УЧЕБНАЯ ПРОГРАММА

По дисциплине: Основы статистического моделирования и исследование зависимостей

По направлению: 010900 «Прикладные математика и физика»

Профиль подготовки: компьютерные технологии и интеллектуальный анализ данных

Факультет: управления и прикладной математики

Кафедра: предсказательного моделирования и оптимизации

Курсы: 4 (бакалавриат)

Семестры: осенний Простой зачёт: 7 семестр

Экзамен: нет

Трудоёмкость: вариативная часть – 1 зач.ед.,

в том числе:



лекции: вариативная часть – 34 час.

практические (семинарские) занятия: нет

лабораторные занятия: вариативная часть – 17 час.

мастер-классы, индивид. и групповые консультации: нет

самостоятельная работа: нет

курсовые работы: нет

подготовка к экзамену: нет
ВСЕГО Аудиторных часов 51
Программу составил: к.ф.-м.н., доцент Е.В. Бурнаев
Программа обсуждена на заседании кафедры 28 мая 2012 года

Заведующий кафедрой

академик РАН А.П. Кулешов
Программа обсуждена и одобрена на методической комиссии факультета

"___" _____________ 2012 г.

Председатель методической комиссии ФУПМ

член-корреспондент РАН Ю.А. Флёров




Объем учетной нагрузки и виды отчетности





Вариативная часть, в том числе:

1 зач.ед.


Лекции

34 часа


Практические занятия


нет

Лабораторные работы


17 часов

Индивидуальные занятия с преподавателем


нет

Самостоятельные занятия

нет


Промежуточная аттестация


нет

Итоговая аттестация


простой зачет в 7-м семестре

ВСЕГО

1 зач.ед. (51 час)



1. ЦЕЛИ И ЗАДАЧИ



Цель дисциплиныдать представление об основных современных методах прикладной математической статистики и способах ее применения для решения прикладных задач анализа и обработки данных.

Задачи:

  • изучение основных методов прикладной математической статистики;

  • практическое применение основных методов прикладной математической статистики.



2. Место дисциплины в структуре ООП бакалавриата

Дисциплина «Основы статистического моделирования и исследование зависимостей» включает в себя разделы, которые могут быть отнесены к вариативной части цикла Б.3 УЦ ООП.

Дисциплина «Основы статистического моделирования и исследование зависимостей» базируется на цикле Б.2 в базовой и вариативной частях.

Компетенции обучающегося, формируемые в результате освоения дисциплины

Освоение дисциплины «Основы статистического моделирования и исследование зависимостей» способствует формированию следующих общекультурных и общепрофессиональных интегральных компетенций бакалавра:



а) общекультурные (ОК):

  • способность анализировать научные проблемы и физические процессы, использовать на практике фундаментальные знания, полученные в области естественных наук (ОК-1);

  • способность осваивать новую проблематику, терминологию, методологию и овладевать научными знаниями и навыками самостоятельного обучения (ОК-2);

  • способность логически точно, аргументировано и ясно строить устную и письменную речь, формулировать свою точку зрения; владение навыками ведения научной и общекультурной дискуссий (ОК-4).

б) профессиональные (ПК):

  • способность применять в своей профессиональной деятельности знания, полученные в области физических и математических дисциплин, включая дисциплины: информатика, программирование и численные методы; физические основы получения, хранения, обработки и передачи информации; высшая математика (ПК-1);

  • способность понимать сущность задач, поставленных в ходе профессиональной деятельности, и использовать соответствующий физико-математический аппарат для их описания и решения (ПК-3);

  • способность использовать знания в области физических и математических дисциплин для дальнейшего освоения дисциплин в соответствии с профилем подготовки (ПК-4);

  • способность применять теорию и методы математики для построения качественных и количественных моделей (ПК-8);

  • способность работать в коллективе исполнителей над решением конкретных исследовательских и инновационных задач (ПК-9).



3. конкретные Знания, умения и навыки, формируемые в результате освоения дисциплины

Освоение дисциплины «Основы статистического моделирования и исследование зависимостей» способствует формированию комплекса знаний и навыков, благодаря которому обучающийся должен



а) знать:

  • основные методы прикладной математической статистики и возможности их практического использования;

  • численные алгоритмы, реализующие изученные методы прикладной математической статистики;

б) уметь:

  • применять на практике методы прикладной математической статистики и/или разрабатывать их модификации для решения поставленных задач;

  • писать программы, реализующие алгоритмические процедуры анализа и обработки данных, на языке системы MatLab.

в) владеть:

  • навыком освоения большого объема информации;

  • навыками постановки научно-исследовательских задач.



4. Структура и содержание дисциплины



Лекции

№ п.п.

Тема

Число аудиторных часов

Число часов самостоятельной работы

I. Методологические основы прикладной математической статистики.

1

1. Прикладная математическая статистика как самостоятельная научная дисциплина. Связь прикладной математической статистики с теорией вероятностей, теоретической математической статистикой и анализом данных.

2. Теоретико-вероятностный способ рассуждения в прикладной математической статистике.

3. Математические модели в прикладной математической статистике.

4. Робастность статистических процедур.



1


нет

II. Основы теории статистических выводов.

2

1. Основные задачи и методы теории статистических выводов:

a) Параметрические и непараметрические модели.

b) Основные задачи: точечное оценивание, доверительные множества, тестирование гипотез, исследование зависимостей.


2

нет

3

2. Оценка распределения и статистические функционалы:

a) Эмпирическая функция распределения.

b) Статистические функционалы.


2

нет

4

3. Бутстреп:

a) Моделирование Монте-Карло, бутстреп.

b) Оценка дисперсии на основе бутстрепа.

c) Оценка доверительных интервалов на основе бутстрепа.

d) Метод складного ножа.


2

нет

5

4. Параметрическое оценивание:

a) Метод моментов.

b) Метод максимального правдоподобия и его свойства.

c) Дельта-метод.

e) Параметрический бутстреп.


3

нет

6

5. Проверка гипотез:

a) Основные понятия теории проверки гипотез.

b) Критерий Вальда.

c) P-значение.

e) Критерий перестановок.

g) Множественные тесты.



3

нет

7


6. Байесовский подход к оцениванию:

a) Философия байесовского подхода.

b) Байесовское оценивание и свойства получаемых оценок.

c) Типы априорных распределений.

d) Проверка гипотез.

e) Достоинства и недостатки байесовского подхода.



3

нет

8

7. Статистическая теория решений:

a) Функция риска.

b) Байесовская оценочная функция.

c) Минимаксный подход.

d) Принятие решений на основе отношения правдоподобия, минимаксного и байесовского подходов.


3

нет

III. Статистические модели и методы.

9

1. Многомерные данные:

a) Случайные вектора. Многомерное нормальное распределение.

b) Оценка корреляций.


1

нет

10

2. Линейная и логистическая регрессии:

a) Стандартная линейная регрессия.

b) Метод оценивания на снове минимизации невязок/максимизации правдоподобия.

c) Свойства оценок метода наименьших квадратов.

f) Выбор модели.

g) AIC, BIC, Lasso, Bridge-регрессия, Elastic Net.



3

нет

11

3. Непараметрическое оценивание сигналов:

a) Выбор оптимального соотношения между смещением и дисперсией.

b) Гистограммы.

c) Ядерная оценка плотности.

d) Непараметрическая регрессия.


3

нет

12

4. Нелинейные методы построения регрессионных зависимостей:

а) Аддитивные модели.

b) Разложение по адаптивным сигмоидоподобным функциям.

c) Разложение по адаптивным гауссоподобным функциям: кригинг, радиальные базисные функции и т.п.



3

нет


13

5. Снижение размерности многомерных данных:

а) Внутренняя размерность множества (фрактальная размерность, корреляционная размерность).

b) Постановка задачи снижения размерности.

с) Обзор линейных методов снижения размерности (метод главных компонент, целенаправленное проектирование и т.п.).

d) Обор локальных и нелинейных методов снижения размерности (метод нелинейных главных компонент, метод локального линейного вложения и т.п.).

е) Снижение размерности данных в соболевской метрике.

f) Выбор наиболее значимых признаков в задаче построения регрессии как задача снижения размерности.


3

нет

IV. Примеры применения методов прикладной математической статистики.

14

1. Методы построения и способы использования моделей на основе данных:

a) Методы построения матрицы плана.

b) Методология построения моделей на основе данных.

c) Использование моделей на основе данных для оптимизации сложных технических объектов.



2. Примеры применения моделей на основе данных для решения реальных индустриальных задач.

2

нет

ВСЕГО

34 часа

нет

ИТОГО

34 часа



Лабораторные работы

№ п.п.

Темы

Трудоёмкость в зач. ед.

(количество часов)



1

Основы теории статистических выводов

5

2

Методы восстановления неизвестной зависимости по данным

6

3

Методы снижения размерности

6

ВСЕГО (часов (зач. ед.))

17 часов



5. Образовательные технологии


п/п

Вид занятия

Форма проведения занятий

Цель

1

Лекция

Изложение теоретического материала

Получение теоретических знаний по дисциплине

2

Лабораторные занятия

Решение задач с помощью преподавателя и самостоятельно (в компьютерном классе, у доски и в контрольных работах) по заданию преподавателя (индивидуальному, где требуется); используются компьютеры и учебники, рекомендуемые данной программой, а также учебные и учебно-методические пособия

Осознание связей между теорией и практикой, а также взаимозависимостей разных дисциплин, освоение методов решения задач анализа данных и прикладной статистики для целей суррогатного моделирования и оптимизации, подготовка к зачету



6. Оценочные средства для текущего контроля успеваемости, промежуточной аттестации по итогам освоения дисциплины и учебно-методическое обеспечение самостоятельной работы студентов



Перечень контрольных вопросов для сдачи простого зачета в 7-ом семестре

п.п.

Тема

1

Эмпирическая функция распределения и ее свойства.

2

Статистические функционалы и их свойства.

3

Оценка дисперсии на основе бутстрепа.

4

Оценка доверительных интервалов на основе бутстрепа.

5

Метод складного ножа.

6

Метод моментов и его свойства.

7

Метод максимума правдоподобия и его свойства.

8

Дельта метод и его свойства.

9

Основные понятия теории проверки гипотез: ошибки первого и второго рода, функция мощности, несмещенность критерия, равномерно наиболее мощный критерий, P-значение, и др.

10

Критерий Вальда. Критерий перестановок. Хи-квадрат.

11

Метод оценивания параметров линейной регрессии на основе минимизации невязок/максимизации правдоподобия.

12

Выбор модели. AIC, BIC, Lasso, Bridge-регрессия, Elastic Net.

13

Выбор оптимального соотношения между смещением и дисперсией.

14

Непараметрическая ядерная оценка гистограммы и ее свойства.

Непараметрическая ядерная оценка регрессия и ее свойства.



15

Регрессия на основе гауссовских процессов.

16

Приближение многомерных зависимостей на основе разложения по словарю параметрических функций.

17

Анализ главных компонент и его свойства.

18

Методы моделирования многообразий LLE, LTSA, ISOMAP.

19

Суррогатная оптимизация на основе гауссовских процессов.



7. Материально-техническое обеспечение дисциплины


Необходимое оборудование для лекций и практических занятий: компьютерный класс, доска, ноутбук и мультимедийное оборудование (проектор или плазменная панель), электронные ресурсы, включая доступ к базам данных: Trans Tech publications inc, ANNUAL REVIEWS ELECTRONIC BACK VOLUME COLLECTIONS, ISPG Collection, и др.
8. Наименование возможных тем курсовых работ - учебным планом не предусмотрено
9. ТЕМАТИКА И ФОРМЫ ИНДИВИДУАЛЬНОЙ РАБОТЫ - учебным планом не предусмотрено
10. ТЕМАТИКА ИТОГОВЫХ РАБОТ - учебным планом не предусмотрено

11. Учебно-методическое и информационное обеспечение дисциплины

Основная литература


  1. Hastie T., Tibshirani R., Friedman J. The elements of statistical learning: data mining, inference, and prediction. Springer, 2001. [имеется в библиотечном фонде кафедры]

  2. Wasserman L. All of statistics. A concise course in statistical inference. Springer, 2004. [имеется в библиотечном фонде кафедры]

  3. Bishop C.M. Pattern recognition and machine learning. Springer, 2006. [имеется в библиотечном фонде кафедры]

  4. David Mackay J.C. Information theory, inference, and learning algorithms. Cambridge, 2007. [имеется в библиотечном фонде кафедры]

  5. Grimmett G., Stirzaker D. Probability and Random Processes. Oxford University Press, 2001. [имеется в библиотечном фонде кафедры]

  6. Forrester A., Sobester A., Keane A. Engineering Design via Surrogate Modelling. A Practical Guide. Wiley, 2008. [имеется в библиотечном фонде кафедры]

  7. Lee J.A., Verleysen M. Nonlinear Dimensionality Reduction. Springer, 2007. [имеется в библиотечном фонде кафедры]

  8. Wang G.G., Shan S. Review of Metamodeling Techniques in Support of Engineering Design Optimization // Journal of Mechanical Design. 2007. Vol. 129. № 4. Р. 370-380. [имеется в библиотечном фонде кафедры]

  9. 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. [имеется в библиотечном фонде кафедры]

  10. Лагутин М.Б. Наглядная математическая статистика. М.: БИНОМ. Лаборатория знаний, 2007.

  11. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.

  12. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985.

  13. Айвазян С.А., Бухштабер В.М., Енюков С.А., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.





Смотрите также:
Рабочая учебная программа по дисциплине: Основы статистического моделирования и исследование зависимостей По направлению: 010900 «Прикладные математика и физика»
161.36kb.
1 стр.
Рабочая учебная программа по дисциплине: Основы газодинамики по направлению: 010900 «Прикладные математика и физика»
153.42kb.
1 стр.
Рабочая учебная программа По дисциплине: Имитационное моделирование сетей и систем беспроводной связи По направлению: 010900 «Прикладные математика и физика»
143.01kb.
1 стр.
Рабочая учебная программа по дисциплине: Теоретические и технические основы численного анализа по направлению: 010900 «Прикладные математика и физика»
177.82kb.
1 стр.
Рабочая учебная программа по дисциплине: Физика высоких плотностей энергии по направлению: 010900 «Прикладные математика и физика»
183.34kb.
1 стр.
Рабочая учебная программа по дисциплине: Магнитная гидродинамика по направлению: 010900 «Прикладные математика и физика»
174.49kb.
1 стр.
Рабочая учебная программа По дисциплине: Теоретические основы беспроводной связи По направлению: 010900 «Прикладные математика и физика»
259.81kb.
1 стр.
Рабочая учебная программа по дисциплине: Экспериментальная магнитная гидродинамика по направлению: 010900 «Прикладные математика и физика»
183.76kb.
1 стр.
Рабочая учебная программа по дисциплине: Нестационарная аэродинамика летательных аппаратов по направлению: 010900 «Прикладные математика и физика»
39.4kb.
1 стр.
Рабочая учебная программа по дисциплине: Термодинамика конденсированного состояния по направлению: 010900 «Прикладные математика и физика»
197.99kb.
1 стр.
Рабочая учебная программа по дисциплине: Физические свойства плазмы по направлению: 010900 «Прикладные математика и физика»
186.9kb.
1 стр.
Рабочая учебная программа по дисциплине: Физико-химические процессы в газодинамике по направлению: 010900 «Прикладные математика и физика»
183.07kb.
1 стр.