Модуль 5. Теория вероятностей и математическая статистика

Случайные события. Условная вероятность. Формула Байеса. Независимые испытания
Дискретные случайные величины. Закон распределения вероятностей. Биномиальный закон распределения. Распределение Пуассона
Описательная статистика. Качественные и количественные характеристики популяции. Графическое представление данных
Непрерывные случайные величины. Функция распределения и плотность распределения вероятностей. Равномерное и нормальное распределение. Центральная предельная теорема
Проверка статистических гипотез. P-значения. Доверительные интервалы. A/B-тестирование
Многомерный статистический анализ. Линейная регрессия

Часов в программе

29,00 часов

лекции

6,00 часов

практика

23,00 часа

самостоятельная

2,00 часа

промежуточная аттестация

60,00 часов

всего

Материально-технические условия реализации программы:

Вид занятий: лекция
Требуемое ПО:
Любая современная операционная система и настроенная в зависимости от языка программирования среда разработки: любая привычная IDE, для Python — установленный интерпретатор с python.org и любая привычная IDE.

Вид занятий: практическая работа
Требуемое ПО:
Любая современная операционная система и настроенная в зависимости от языка программирования среда разработки: любая привычная IDE, для Python — установленный интерпретатор с python.org и любая привычная IDE.

Вид занятий: самостоятельная работа
Требуемое ПО:
Любая современная операционная система и настроенная в зависимости от языка программирования среда разработки: любая привычная IDE, для Python — установленный интерпретатор с python.org и любая привычная IDE.

Информационные ресуры

 [Электронный ресурс]//URL.: https://docs.microsoft.com/en-us/power-bi/visuals/power-bi-visualization-types-for-reports-and-q-and-a - Visualization types in Power BI
 [Электронный ресурс]//URL.: https://coolinfographics.com/dataviz-guides - DataViz Reference Guides
 [Электронный ресурс]//URL.: https://www.sqlbi.com/ref/power-bi-visuals-reference/ - Power BI Visuals Reference
 [Электронный ресурс]//URL.: https://www.softcrylic.com/blogs/data-visualization-with-powerbi/ - Выбор подходящей визуализации данных с помощью Power BI.

Образовательные ресуры

 [Электронный ресурс]//URL.: https://docs.microsoft.com/en-us/power-bi/ - Документация Power BI
 [Электронный ресурс]//URL.: https://powerbi.microsoft.com/ru-ru/blog/ - Блог о Power BI
 [Электронный ресурс]//URL.: https://docs.microsoft.com/ru-ru/power-bi/fundamentals/webinars - Вебинары о Power BI
 [Электронный ресурс]//URL.: https://www.sqlbi.com/articles/row-context-and-filter-context-in-dax/ Row Context and Filter Context in DAX
 [Электронный ресурс]//URL.: https://www.youtube.com/watch?v=teYwjHkCEm0 - Deep dive into DAX evaluation context

Учебно-методические материалы

Методы, формы и технологии

Метод проблемного обучения
Технология питчинга - защита проектов

Методические разработки

Методические рекомендации по промежуточной аттестации
Методические рекомендации по организации питчинга

Материалы курса

Сложные вычисления - мануал и глоссарий

Учебная литература

Дюбуа Поль. MySQL. — Пер. с англ. — М.: ООО "И.Д. Вильямс", 2007. — 1168 с.
• Дюбуа Поль. MySQL. Сборник рецептов. — Пер. с англ. — М.: Сим-вол-Плюс, 2004. — 1056 с.
Лутц М. Изучаем Python / М. Лутц. — Том 1 — Киев : Диалектика, 2019. — 720 c.
• Лутц М. Изучаем Python / М. Лутц. — Том 2 — Киев : Диалектика, 2019. — 832 с.
• Макконнелл С. Совершенный код. Пер. с англ. —СПб.: БХВ-Петербург, 2016. – 952 с.
• Макфарланд, Д. Новая большая книга CSS. — СПб.: Питер, 2016. — 720 с.: ил.
• Маккинни У. Python и анализ данных / У. Маккинни. — Москва : ДМК Пресс, 2020. — 540 c.
• Прохоренок Н.А. Python 3 и PyQt. Разработка приложений. – СПб.: БХВ-Петербург, 2012. – 704 с.

Темы

Случайные события. Условная вероятность. Формула Байеса. Независимые испытания Дискретные случайные величины. Закон распределения вероятностей. Биномиальный закон распределения. Распределение Пуассона Описательная статистика. Качественные и количественные характеристики популяции. Графическое представление данных Непрерывные случайные величины. Функция распределения и плотность распределения вероятностей. Равномерное и нормальное распределение. Центральная предельная теорема Проверка статистических гипотез. P-значения. Доверительные интервалы. A/B-тестирование Взаимосвязь величин. Параметрические и непараметрические показатели корреляции. Корреляционный анализ. Многомерный статистический анализ. Линейная регрессия Дисперсионный анализ. Логистическая регрессия

Лекции
4,00ч

Самостоятельная работа
3,00ч

Всего
7,00ч

Промежуточная аттестация 2,00 часа

Промежуточная аттестация проводится в форме отчета по результатам выполнения практического задания по дисциплинам и проверки преподавателем.