Перейти к содержанию

Спецкурс «Выч. методы и пакеты в статистическом исследовании» (4 курс)

Место и время проведения: среда, 1 пара (ауд. 2514, по знаменателю), 2 пара (ауд. 2514), 3 пара (ауд. 2446).
Преподаватель: Коробейников Антон Иванович

Введение

FIXME

Программа курса

Темы состоявшихся занятий

  1. Введение. Краткий обзор. Базовые операции: понятие “workspace”, присваивание, просмотр списка переменных, удаление переменных из workspace’а. Функции c() и seq(). Использование встроенной справки. // (11.02.2009) //
  2. Объекты R. Общие свойства (mode, length). Основные типы объектов: vector, matrix, data frame, list, expression. Конверсия объектов друг в друга. // (11.02.2009, 18.02.2009) //
  3. Основные операции (арифметика, логические операции). Проверка равенства (==, identical, all.equal). Индексирование “векторных” переменных (включая именованные индексы). // (18.02.2009) //
  4. Вызов функций. Правила передачи аргументов. Аргументы по умолчанию. Ellipsis (…) operator. // (18.02.2009) //
  5. Основные встроенные “скалярные” функции: sum, prod, max, min, which.max, which.min, range, length // (18.02.2009) //
  6. Основные встроенные “векторные” функции: round, rev, sort, rank, scale, pmin, pmax, cum{sum, prod, min, max}, diff, match, which // (18.02.2009) //
  7. Функции над блоками данных: lapply, sapply, replicate // (18.02.2008) //
  8. Операции с матрицами: cbind, rbind, t, diag, solve, qr, eigen, svd // (18.02.2009) //
  9. Графические устройства (функции dev.*). Разбиение устройства на блоки. Понятие о графических параметрах. // (25.02.2009) //
  10. Высокоуровневые графические функции: plot, curve, coplot, pairs, density // (25.02.2009) //
  11. Распределения. Функции распределения, плотности. Моделирование. Функции “d”, “p”, “q”, “r”. Функция sample. // (25.02.2009) //
  12. Низкоуровневые графические функции: points, line, axis, legend // (25.02.2009) //
  13. Отладка. Функции debug, browser, traceback. // (04.03.2009) //
  14. Векторизация. Эффективная работа с памятью. // (04.03.2009) //

Темы будущих занятий

Задачи

  1. Вычисление стационарного распределения марковской цепи (Problem 0, 25.02.2009)
  2. Вычисление интеграла методом Монте-Карло (Problem 1, 04.03.2009)
  3. Линейная, логистическая и нелинейная регрессия (Problem 2, 11.03.2009)
  4. Оценки максимального правдоподобия (Problem 3, 18.03.2009)
  5. EM-алгоритм. Построение ОМП для смеси нормально распределенных случайных величин (Problem 4, 25.03.2009)
  6. Support Vector Machines (Problem 5, 01.04.2009)
  7. Метод Гусеница-SSA (Problem 6, 08.04.2009)
  8. Спектральный анализ и фильтрация :) (Problem7, 15.04.2009)
  9. Кластерный анализ (Problem 8, 22.04.2009)

(Возможные) будущие задачи

  1. Планирование эксперимента
  2. …

Prerequisites

Дистрибутив R:

  1. Windows
  2. Linux
  3. MacOS X

Редакторы и оболочки:

  1. Tinn-R (Windows)
  2. SciViews-K (Windows, Linux, MacOS X)
  3. RKWard (Linux)

Рекомендуемая литература

Книги

  1. Peter Dalgaard. Introductory Statistics with R. Springer, 2002.
  2. John Maindonald and John Braun. Data Analysis and Graphics Using R. Cambridge University Press, Cambridge, 2003.
  3. John Verzani. Using R for Introductory Statistics. Chapman & Hall/CRC, Boca Raton, FL, 2005.
  4. Paul Murrell. R Graphics. Chapman & Hall/CRC, Boca Raton, FL, 2005.
  5. Ермаков С.М. Статистическое моделирование, часть II PDF
  6. Голяндина Н.Э. Метод «Гусеница»-SSA: анализ временных рядов: Учеб. пособие. СПб: Изд-во СПбГУ, 2004. 76 с.PDF

Статьи

  1. John Maindonald. Using R for Data Analysis and Graphics - Introduction, Examples and Commentary. PDF
  2. John Verzani. Simple R. PDF
  3. Petra Kuhnert and Bill Venables. An Introduction to R: Software for Statistical Modelling & Computing. ZIP
  4. David Rossiter. Introduction to the R Project for Statistical Computing for Use at the ITC. PDF
  5. Е.М. Балдин, А.И. Коробейников, А.Б. Шипунов Анализ данных с R www
  6. А.И. Коробейников Оценки максимального правдоподобия в условиях цензурирования на базе EM-алгоритма PDF

Задачи

Условные обозначения:

  1. Цифра в клетке - порядковый номер “подхода”. Наличие цифры означает, что решение было получено, проверено, и результат отослан обратно.
  2. Плюс - зачет, звездочка - штраф, минус - хм, незачет ;-)

Кроме того, пишется дата и время.
Problem 0 Problem 1 Problem 2 Problem 3 Problem 4 1
Андрющенко А. + + + + +
Бережная М. + + + +
Буйнова С. + + + + +
Горбунов С. + + + +
Ким Е. + + + + +
Ненашева А. + + + +
Попов С. + + NegBinomial + cens +
Тимофеев А. + + + + +
Тимофеев И. + + + +
Трубников В. + + + + +
Problem 5 2 Problem 6 Problem 7 Problem 8 Допуск
Андрющенко А. + + + +

✔

| | Бережная М. | + | #3 | + | + |

✘

(2) | | Буйнова С. | + | + | + | + |

✔

| | Горбунов С. | satellite.zip, C | | | + |

✘

(4) | | Ким Е. | + | + | + | + |

✔

| | Ненашева А. | splice.zip, C | | | + |

✘

(4) | | Попов С. | satellite.zip, nu | #2 | + | + |

✘

(4) | | Тимофеев А. | + | + | + | + |

✔

| | Тимофеев И. | + | #1 | + | + |

✘

(2) | | Трубников В. | + | + | + | + |

✔

|

** Внимание:** Если напротив Вашей фамилии отсутствует назначенное задание, то для его получения Вам следует отправить запрос по почте.

  1. Моделировать многомерное нормальное распределение можно при помощи функции mvrnorm из пакета MASS. Кроме того, в пакете mvtnorm присутствуют как функция плотности так и моделирующая функция ↩

  2. При отсутствии специального тестового массива разделить тренировочный на две части. Метка классификации по-умолчанию является последним столбцом в файле. ↩