Теория вероятностей и математическая статистика (2 курс): различия между версиями

Материал из MathINFO
Перейти к навигации Перейти к поиску
 
Строка 29: Строка 29:
 
| Парная линейная регрессия: продолжение || [https://disk.yandex.ru/d/XW7epMvVYXQquQ seminar04] [https://disk.yandex.ru/i/8C8Q6fr0AIonyw add04]|| OLS ([https://github.com/allatambov/StatCS25/blob/main/practice03.ipynb ipynb]) файл [https://github.com/allatambov/StatCS25/blob/main/flats_cian.csv flats_cian.csv]
 
| Парная линейная регрессия: продолжение || [https://disk.yandex.ru/d/XW7epMvVYXQquQ seminar04] [https://disk.yandex.ru/i/8C8Q6fr0AIonyw add04]|| OLS ([https://github.com/allatambov/StatCS25/blob/main/practice03.ipynb ipynb]) файл [https://github.com/allatambov/StatCS25/blob/main/flats_cian.csv flats_cian.csv]
 
|-
 
|-
−
| Иерархический кластерный анализ || [https://disk.yandex.ru/i/EBZUUPiV0Cwqow seminar05] [https://disk.yandex.ru/i/-4T4plDuNC-jTA add05]|| дополнительно: о построении дендрограмм ([https://github.com/allatambov/StatCS25/blob/main/practice04-add.ipynb ipynb])
+
| Иерархический кластерный анализ || [https://disk.yandex.ru/i/EBZUUPiV0Cwqow seminar05] [https://disk.yandex.ru/i/-4T4plDuNC-jTA add05]|| построение дендрограмм ([https://github.com/allatambov/StatCS25/blob/main/practice04-add.ipynb ipynb])
 +
|-
 +
| Иерархический кластерный анализ: продолжение || || [https://github.com/allatambov/StatCS25/blob/main/clust01.py clust01] [https://github.com/allatambov/StatCS25/blob/main/clust02.py clust02] файл [https://github.com/allatambov/StatCS25/blob/main/flats_cian_upd.csv flats_cian_upd.csv]
 
|}
 
|}
  

Текущая версия на 05:13, 26 мая 2025

Это страница обязательного курса «Теория вероятностей и математическая статистика» (только 4 модуль),
читаемого на программе «Вычислительные социальные науки» 2 курса бакалавриата в 2024/2025 учебном году.

Лекции ведёт Макаров Алексей Алексеевич, семинары ведёт Тамбовцева Алла Андреевна.

Правила игры

  • Итоговая оценка = 0.5 * O1 + 0.5 * O2, где O1 и O2 – неокругленные оценки за первую и вторую половину курса.
  • Оценка O1 за первую половину курса уже выставлена, O2 = 0.6 * H2 + 0.4 * Э2.
  • Н2 = 0.1 * (M5 + M6 + M7) + 0.35 * КР2 + 0.2 * CA + 0.15 * Питон, где СА – целая оценка в 10-балльной шкале за работу
    на семинарах и сдачу теоретических бонусных задач, Питон – оценка за домашние задания в Python, M5–M7 – оценки
    за мини-контрольные работы, КР2 – оценка за контрольную в конце 3 модуля, Э2 - дробная оценка за экзамен в 10-балльной шкале.
  • Оценка за домашние задания в Python – неокругленное среднее оценок за задания, оценка за каждое задание – дробная в 10-балльной шкале.

Если O1 или O2 оказываются менее 3.5, то студент получает академическую задолженность по соответствующей части
курса и не может быть аттестован по всему курсу, пока не ликвидирует свою задолженность.

Материалы занятий

Тема Семинар Python
Проверка гипотез: сравнение двух групп seminar01 вычисление и визуализация p-value (ipynb, видео)
F-распределение и F-критерий. Введение в ANOVA seminar02
ANOVA: однофакторный дисперсионный анализ seminar02 ANOVA (ipynb) файл cities.csv файл Diets.csv
Парная линейная регрессия seminar03 add03
Парная линейная регрессия: продолжение seminar04 add04 OLS (ipynb) файл flats_cian.csv
Иерархический кластерный анализ seminar05 add05 построение дендрограмм (ipynb)
Иерархический кластерный анализ: продолжение clust01 clust02 файл flats_cian_upd.csv

Таблицы распределений:

Домашние задания в Python

Выполненное домашнее задание необходимо загрузить в виде ipynb-файла по ссылке ниже на Dropbox.
Если вы категорически не используете формат IPYNB, можно загрузить файл с кодом с расширением .py и PDF с текстом.

Домашнее задание Дедлайн Куда загружать
Домашнее задание №1 29.04 23:59 ссылка
Домашнее задание №2 31.05 23:59 ссылка
Домашнее задание №3 07.06 23:59
Домашнее задание №4 15.06 23:59
Источник — http://math-info.hse.ru/wiki2024-25/index.php?title=Теория_вероятностей_и_математическая_статистика_(2_курс)&oldid=507