НИС Введение в регрессионный анализ: различия между версиями

Материал из MathINFO
Перейти к навигации Перейти к поиску
Строка 43: Строка 43:
 
=== Неделя 5. Парные и множественные регрессии. R-squared. ===
 
=== Неделя 5. Парные и множественные регрессии. R-squared. ===
  
−
* Семинар 5. Парные и множественные регрессии. R-squared ([https://github.com/allatambov/IntroReg24/blob/main/reg-seminar05.ipynb ipynb], [https://github.com/allatambov/IntroReg24/blob/main/english.csv english.csv]).
+
* Семинар 5. Парные и множественные регрессии. R-squared ([https://github.com/allatambov/IntroReg24/blob/main/reg-seminar05.ipynb ipynb], [https://github.com/allatambov/IntroReg24/blob/main/english.csv english.csv]), решения ([https://github.com/allatambov/IntroReg24/blob/main/reg-seminar05-solved.ipynb ipynb]).
  
 
=== Неделя 6. Модели с фиктивными переменными. ===
 
=== Неделя 6. Модели с фиктивными переменными. ===

Версия 05:04, 14 октября 2024

Дорогие студенты!

Это страница обязательного курса «Введение в регрессионный анализ», читаемого на ОП«Политология» 2 курса бакалавриата в 1-2 модулях 2024-2025 учебного года.

Лекции читает: Стукал Денис Константинович.
Семинары ведут: Тамбовцева Алла Андреевна (1 модуль), Синицина Арина Викторовна (2 модуль).
Учебные ассистенты: Косимова Сабина, Кулик Екатерина.

Правила игры

  • Программа курса.
  • Формула оценки: 0.05 * ДЗ1 + 0.05 * ДЗ2 + 0.15 * Практикум1 + 0.15 * Практикум2 + 0.1 * ПР1 + 0.1 * ПР2 + 0.4 * Экзамен.
  • ДЗ1 и ДЗ2 – средние арифметические оценок за все ДЗ в 1-ом и 2-ом модуле (без округлений),
    Практикум1 и Практикум2 – оценки за практикумы на семинаре в конце 1-ого и 2-ого модуля,
    ПР1 и ПР2 – доля баллов (умноженная на 10) суммарно полученных за проверочные на лекциях 1-ого и 2-ого модуля.
  • Оценка за экзамен – блокирующая.

Материалы курса

Материалы лекций размещаются на Яндекс-диске (см. рассылку по курсу), материалы семинаров (1 модуль) публикуются на этой странице.

Неделя 1. Введение в парную регрессию. Критерий Стьюдента для двух выборок.

  • Лекция 1. Введение в парную регрессию.
  • Семинар 1. Вспоминаем pandas и scipy. Критерий Стьюдента для двух выборок (ipynb, sentiment.csv).
  • Решения семинара 1 (ipynb), решение бонусной задачи (ipynb).
  • Необязательное домашнее задание 1 (ipynb), решения (ipynb).

Неделя 2. Парная линейная регрессия. Метод наименьших квадратов.

  • Лекция 2. Парная линейная регрессия. Метод наименьших квадратов.
  • Семинар 2. Парная линейная регрессия (ipynb, trust_consp.csv), решения (ipynb).
  • Необязательное домашнее задание 2 (ipynb, salaries.csv), решения (ipynb).

Неделя 3. Парная линейная регрессия. Проверка гипотез о коэффициентах.

  • Лекция 3. Проверка гипотез о коэффициентах регрессии. Условия Гаусса-Маркова.
  • Семинар 3. Парная линейная регрессия: проверка гипотез о коэффициентах (ipynb, salaries.csv), решения (ipynb).

Неделя 4. Парная линейная регрессия. Доверительный интервал для наклона.

  • Лекция 4. Парная линейная регрессия. Доверительный интервал для наклона.
  • Семинар 4. Парная линейная регрессия: доверительный интервал для наклона (ipynb, city24.csv), решения (ipynb).

Неделя 5. Парные и множественные регрессии. R-squared.

  • Семинар 5. Парные и множественные регрессии. R-squared (ipynb, english.csv), решения (ipynb).

Неделя 6. Модели с фиктивными переменными.

Домашние задания

Домашнее задание Варианты Дедлайн
Домашнее задание 1 ipynb csv 04.10 23:59
Домашнее задание 2
Источник — http://math-info.hse.ru/wiki2024-25/index.php?title=НИС_Введение_в_регрессионный_анализ&oldid=130