Статистические методы анализа данных
Описание: Изучаются: выборочный метод, статистические ряды и их графическое представление, статистические характеристики, методы принятия решений на основе данных выборки, а также дисперсионный анализ, корреляционный анализ, регрессионный анализ.
Количество кредитов: 5
Пререквизиты:
- Математика 2
Трудоемкость дисциплины:
| Виды работ | часы |
|---|---|
| Лекции | 15 |
| Практические работы | |
| Лабораторные работы | 30 |
| СРОП | 30 |
| СРО | 75 |
| Форма итогового контроля | экзамен |
| Форма проведения итогового контроля |
Компонент: Вузовский компонент
Цикл: Профилирующие дисциплины
Цель
- ознакомление студентов с основными статистическими методами анализа данных, а также формирование практических навыков исследования и анализа данных.
Задача
- изучение основных статистических методов анализа данных;
- овладение практическими приёмами анализа данных и интерпретации полученных результатов;
- выработка навыков использования программных средств (Мicrosoft Excel) для статистического анализа данных.
Результат обучения: знание и понимание
- демонстрировать знание различных статистических методов анализа данных, интерпретировать полученные результаты в ходе проводимых исследований.
Результат обучения: применение знаний и пониманий
- использовать знания для решения практических задач, проводить исследования, применять прикладные программы для анализа данных.
Результат обучения: формирование суждений
- самостоятельно решать поставленные задачи, анализировать, делать выводы.
Результат обучения: коммуникативные способности
- развить коммуникационные способности, необходимые для работы в группе.
Результат обучения: навыки обучения или способности к учебе
- может приобретать новые знания, необходимые в профессиональной деятельности и совершенствоваться в области анализа данных.
Методы преподавания
технологии проблемно- и проектно-ориентированного обучения;
информационно-коммуникационные технологии.
Оценка знаний обучающегося
Преподаватель проводит все виды работ текущего контроля и выводит соответствующую оценку текущей успеваемости обучающихся два раза в академический период. По результатам текущего контроля формируется рейтинг 1 и 2. Учебные достижения обучающегося оцениваются по 100-балльной шкале, итоговая оценка Р1 и Р2 выводится как средняя арифметическая из оценок текущей успеваемости. Оценка работы обучающегося в академическом периоде осуществляется преподавателем в соответствии с графиком сдачи заданий по дисциплине. Система контроля может сочетать письменные и устные, групповые и индивидуальные формы.
| Период | Вид задания | Итого |
|---|---|---|
| 1 рейтинг | Лабораторная работа 1 | 0-100 |
| Лабораторная работа 2 | ||
| Лабораторная работа 3 | ||
| Рубежный контроль 1 | ||
| 2 рейтинг | Лабораторная работа 4 | 0-100 |
| Лабораторная работа 5 | ||
| Лабораторная работа 6 | ||
| Рубежный контроль 2 | ||
| Итоговый контроль | экзамен | 0-100 |
Политика оценивания результатов обучения по видам работ
| Вид задания | 90-100 | 70-89 | 50-69 | 0-49 |
|---|---|---|---|---|
| Отлично | Хорошо | Удовлетворительно | Неудовлетворительно | |
| Собеседование по контрольным вопросам | демонстрирует теоретические знания, свободно владеет речью, использует терминологию, отвечает на уточняющие вопросы | демонстрирует теоретические знания, свободно владеет речью, использует терминологию, при ответе делает несущественные ошибки | демонстрирует неглубокие теоретические знания, несвободно владеет речью, путается в терминологии, делает ошибки, которые не может самостоятельно исправить | отсутствуют теоретические знания, не владеет терминологией, делает грубые ошибки |
| Выполнение лабораторной работы | выполнил лабораторную работу в полном объеме и в соответствии с требованиями, отвечает на все вопросы преподавателя, связанные с выполнением работы | выполнил работу в полном объеме, но с ошибкой или недочётами, которые может исправить сам или с помощью рекомендаций преподавателя | выполнил более 50% работы, но понимает суть всей лабораторной работы. Отвечает на вопросы преподавателя, связанные с выполненной работой | выполнил работу не полностью, на вопросы преподавателя затрудняется ответить, допущено множество ошибок и недочётов |
Форма оценки
Итоговая оценка знаний обучающего по дисциплине осуществляется по 100 балльной системе и включает:
- 40% результата, полученного на экзамене;
- 60% результатов текущей успеваемости.
Формула подсчета итоговой оценки:
| И= 0,6 | Р1+Р2 | +0,4Э |
| 2 |
где, Р1, Р2 – цифровые эквиваленты оценок первого, второго рейтингов соответственно; Э – цифровой эквивалент оценки на экзамене.
Итоговая буквенная оценка и ее цифровой эквивалент в баллах:
Буквенная система оценки учебных достижений обучающихся, соответствующая цифровому эквиваленту по четырехбалльной системе:
| Оценка по буквенной системе | Цифровой эквивалент | Баллы (%-ное содержание) | Оценка по традиционной системе |
|---|---|---|---|
| A | 4.0 | 95-100 | Отлично |
| A- | 3.67 | 90-94 | |
| B+ | 3.33 | 85-89 | Хорошо |
| B | 3.0 | 80-84 | |
| B- | 2.67 | 75-79 | |
| C+ | 2.33 | 70-74 | |
| C | 2.0 | 65-69 | Удовлетворительно |
| C- | 1.67 | 60-64 | |
| D+ | 1.33 | 55-59 | |
| D | 1.0 | 50-54 | |
| FX | 0.5 | 25-49 | Неудовлетворительно |
| F | 0 | 0-24 |
Темы лекционных занятий
- Введение в статистические методы анализа данных
- Выборочный метод
- Статистические характеристики
- Проверка статистических гипотез
- Дисперсионный анализ
- Корреляционный анализ
- Регрессионный анализ
Основная литература
- Шорохова И.С. Статистические методы анализа: [учеб. пособие] / И.С. Шорохова, Н.В. Кисляк, О.С. Мариев; М-во образования и науки рос. Федерации, Урал. федер. ун-т. - Екатеринбург: изд-во Урал. ун-та, 2015. - 300 с.
- Козлов А.Ю. Статистический анализ данных в MS Excel: Учебное пособие / А.Ю. Козлов, В.С. Мхитарян, В.Ф. Шишов. – М.: Инфра-М, 2018. – 80 c.
- Ниворожкина Л.И. Статистические методы анализа данных: Учебник / Л.И. Ниворожкина, С.В. Арженовский, А.А. Рудяга. – М.: Риор, 2018. – 320 c.
- Клячкин В.Н. Сборник заданий по статистическим методам анализа данных: учебное пособие / В.Н. Клячкин, Ю.Е. Кувайскова, В.А. Алексеева. – Ульяновск: УлГТУ, 2016. – 123 с.
- Айзек М.П. Графика, формулы, анализ данных в Excel. Пошаговые примеры / М.П. Айзек. – СПб.: Наука и техника, 2019. – 384 c.
- Брусенцев А.Г. Анализ данных и процессов. Ч.1. Методы статистического анализа данных: учебное пособие / А. Г. Брусенцев. – Белгород: Белгородский государственный технологический университет им. В.Г. Шухова, ЭБС АСВ, 2017. – 63 c. – ISBN 978-5-361-00540-6. – Текст: электронный // Цифровой образовательный ресурс IPR SMART: [сайт]. – URL: https://www.iprbookshop.ru/92237.html
Дополнительная литература
- Александровская Ю.П. Информационные технологии статистического анализа данных : учебно-методическое пособие / Ю.П. Александровская. – Казань: Казанский национальный исследовательский технологический университет, 2019. – 152 c. – ISBN 978-5-7882-2636-1. – Текст: электронный // Цифровой образовательный ресурс IPR SMART: [сайт]. – URL: https://www.iprbookshop.ru/100535.html
- Волкова В.М. Программные системы статистического анализа. Обнаружение закономерностей в данных с использованием системы R и языка Python: учебное пособие / В.М. Волкова, М.А. Семёнова, Е.С. Четвертакова, С. С. Вожов. – Новосибирск: Новосибирский государственный технический университет, 2017. – 74 c. – ISBN 978-5-7782-3183-2. – Текст: электронный // Цифровой образовательный ресурс IPR SMART: [сайт]. — URL: https://www.iprbookshop.ru/91682.html
