Основы работы с количественными данными

Материал из MathINFO
Перейти к навигации Перейти к поиску

Дорогие студенты!

Это страница обязательного курса «Основы работы с количественными данными», читаемого на программе «Коммуникации в государственных структурах и НКО» 1 курса магистратуры в 1 модуле 2022-2023 учебного года.

Семинары ведёт: Тамбовцева Алла Андреевна.

Правила игры

  • Формула оценки: Итог = 0.5 * Домашние задания + 0.2 * Самостоятельная работа + 0.3 * Экзамен.
  • Программа курса, пояснения по формам контроля.

Программное обеспечение

В рамках практической части курса используются Google Sheets, для работы достаточно иметь аккаунт Gmail.

Материалы занятий

Неделя 1. Введение в анализ данных. Описание данных.

  • Введение в анализ данных: шкалы данных, интегральные индексы (слайды).
  • Описание данных: введение в выборочные обследования, описательные статистики (слайды).
  • Практикум 1: задания, решения.

Что почитать по теме: Ч.Уилан «Голая статистика» (главы 1-3), А.Макаров и др. «Задачник по математической статистике для студентов социально-гуманитарных и управленческих специальностей» (главы 2.1-2.2), M.Sternstein "AP Statistics" (topic 2).

Неделя 2. Описание данных. Визуализация данных.

  • Описание данных: меры изменчивости, данные в неколичественных шкалах (слайды).
  • Визуализация данных: принципы визуализации, графики распределения количественных данных (слайды).
  • Практикум 2: таблица, задание, решение.

Что почитать по теме: А.Макаров и др. «Задачник по математической статистике для студентов социально-гуманитарных и управленческих специальностей» (глава 2.3), M.Sternstein "AP Statistics" (topic 3), Шипунов и др. Наглядная статистика. Используем R! (главы 1-3).

Неделя 3. Визуализация данных. Основные понятия теории вероятностей и статистики.

  • Визуализация данных: графики распределения качественных данных.
  • Практикум 3: таблица, задание, решение.
  • Введение в теорию вероятностей: события и вероятности, случайные величины (конспект).

Что почитать по теме: А.Макаров. А.Пашкевич. «Задачник по теории вероятностей для студентов социально-гуманитарных и управленческих специальностей» (разделы 2-3, 6), Шипунов и др. Наглядная статистика. Используем R! (главы 1-3).

Неделя 4. Введение в статистическое оценивание. Доверительные интервалы.

Что почитать по теме: А.Макаров и др. «Задачник по математической статистике для студентов социально-гуманитарных и управленческих специальностей» (главы 3.3-3.4), Ч.Уилан «Голая статистика» (главы 8, 10), M.Sternstein "AP Statistics" (topics 12-13).

Неделя 5. Проверка статистических гипотез. Меры связи.

Неделя 6. Меры связи. Линейная регрессия.

Домашние задания

Домашнее задание Дедлайн
Домашнее задание 1 11.09 23:59
Домашнее задание 2 22.09 23:59
Домашнее задание 3 02.10.23:59
Домашнее задание 4 13.10 23:59
Домашнее задание 5

Дополнительные материалы

Работа с данными в Python

Ниже приведены примеры работы с данными в облачной версии Jupyter Notebook – среде Google Colab. При желании можно установить дистрибутив Anaconda и использовать Jupyter Notebook локально (инструкция по работе). Кроме вводных видео, здесь собраны материалы разных курсов по Python: 1, 2.

Блок 1: введение в работу с данными

  • Введение в Google Colab, загрузка файла с данными, базовое описание данных (видео).
  • Группировка и агрегирование данных, применение собственных функций (видео).
  • Выбор столбцов и фильтрация строк в таблице (видео).
  • Больше про работу с датафреймами pandas: часть 1 , часть 2, часть 3, файл с данными firtree.csv.

Блок 2: обработка, визуализация и анализ данных

Работа с данными в R

Для работы с R можно использовать облачный ресурс RStudio Cloud. Для работы на своем компьютере необходимо установить (именно в таком порядке): R и RStudio. Ссылки для скачивания:

Инструкция по работе с RStudio (файл). Язык разметки Markdown в RStudio (конспект). Кроме вводных видео, здесь собраны материалы курсов с использованием R: 1, 2, 3.

Блок 1: введение в работу с данными

Блок 2: визуализация и анализ данных

  • Визуализация данных и доверительные интервалы в R (код, конспект).
  • Проверка статистических гипотез в R (код, конспект).
  • Меры связи: коэффициенты корреляции Пирсона и Спирмена (код, конспект).
  • Коэффициент корреляции Пирсона и парная линейная регрессия (код, конспект, canada.csv).