Основы статистики. Часть 2

В данном курсе будут рассмотрены методы анализа данных, которые наиболее часто применяются при статистической обработке результатов в широчайшем круге научных и прикладных областей. Помимо теоретических заданий слушателей ожидают практические задачи, которые необходимо выполнять, используя язык программирования R. Знаний, полученных в результате прохождения данного курса, будет достаточно чтобы научиться более быстро и эффективно решать различные задачи, связанные с анализом данных.

Анализ номинативных данных


1.1 Общая информация о курсе


1.2 Постановка задачи


1.3 Расстояние Пирсона


1.4 Распределение Хи-квадрат Пирсона


1.5 Расчет p-уровня значимости


1.6 Анализ таблиц сопряженности


1.7 Анализ таблиц сопряженности. Продолжение


1.8 Точный критерий Фишера


1.9 Практические задания на R

Логистическая регрессия и непараметрические методы

2.1 Логистическая регрессия. Постановка задачи.


2.2 Модель без предикторов. Intercept only model


2.3 Модель с одним номинативным предиктором


2.4 Модель с двумя номинативными предикторами


2.5 Взаимодействие номинативных предикторов


2.6 Когда нужно использовать непараметрические методы и почему?


2.7 Непараметрические методы. Продолжение.


2.8 Практические задания на R

Кластерный анализ и метод главных компонент


3.1 Кластерный анализ методом k - средних


3.2 Может ли кластерный анализ "ошибаться"?


3.3 Как определить оптимальное число кластеров?


3.4 Иерархическая кластеризация


3.5 Введение в метод анализа главных компонент


3.6 Практические задания на R


3.7 Заключение