Перейти к содержанию

422 гр., все. Спецкурс «Выч. методы и пакеты в статистическом исследовании»

Место и время проведения: ** все – вторник, 3 пара, ауд 2410; САПР – 2 пара, ауд 2410; СМ – суббота, 2? пара, ауд ?
Преподаватель: Звонарев Никита Константинович
Преподаватель:** Абильдаев Темирлан

Программа курса

Базовый R

  - Базовые операции: понятие "workspace", присваивание, просмотр списка переменных, удаление переменных из workspace'а. Функции c() и seq(). Использование встроенной справки.
  - Объекты R. Общие свойства (mode, length). Основные типы объектов: vector, matrix, data frame, list, expression. Конверсия объектов друг в друга.
  - Основные операции (арифметика, логические операции). Проверка равенства (==, identical, all.equal). Индексирование "векторных" переменных (включая именованные индексы).
  - Вызов функций. Правила передачи аргументов. Аргументы по умолчанию. Ellipsis (...) operator. Область видимости переменных.
  - Чтение и запись данных из файла. Функции scan, read.table, write.table и пр.
  - Основные встроенные "скалярные" функции: sum, prod, max, min, which.max, which.min, range, length
  - Основные встроенные "векторные" функции: round, rev, sort, rank, scale, pmin, pmax, cum{sum, prod, min, max}, diff, match, which
  - Операции с матрицами: cbind, rbind, t, diag, solve, qr, eigen, svd
  - Функции над блоками данных: lapply, sapply, replicate
  - <del>Графические устройства (функции dev.*). Разбиение устройства на блоки. Понятие о графических параметрах **TODO**</del>
  - <del>Высокоуровневые графические функции: plot, curve, pairs, density **TODO**</del>
  - <del>Низкоуровневые графические функции: points, line, axis, legend **TODO**</del>
  - Распределения. Функции распределения, плотности. Моделирование. Функции “d”, “p”, “q”, “r”. Функция sample.
  - Отладка. Функции debug, browser, traceback
  - Векторизация. Эффективная работа с памятью
  - Нахождение (локальных) экстремумов функций

Задачи

  1. Вычисление интеграла методом Монте-Карло (до 24 марта (САПР) / 28 марта (СМ) включительно). Прошлогодние слайды от Романа Гученко
  2. Моделирование. Адаптивный метод отбора (до 31 марта (САПР)/ 4 апреля (СМ) включительно). Прошлогодние слайды от Романа Гученко W.R. Wilks, P. Wild. Adaptive Rejection Sampling for Gibbs Sampling
  3. Оценки максимального правдоподобия. Профили правдоподобия. (до 7 апреля (САПР)/ 11 апреля (СМ) включительно) Слайды
  4. EM-алгоритм. Построение ОМП для смеси нормально распределенных случайных величин (до 15 апреля (САПР)/ 19 апреля (СМ) включительно) Модели в mclust
  5. Моделирование. Markov Chain Monte-Carlo. Метод Метрополиса-Хастингса (до 22 апреля (САПР)/ 26 апреля (СМ) включительно) Слайды

(Возможные) будущие задачи

  1. Support Vector Machines
  2. Бутстреп
  3. Вычисление стационарного распределения марковской цепи
  4. Метод Гусеница-SSA
  5. Проверка статистических гипотез
  6. Кластерный анализ
  7. Нейронные сети
  8. Деревья классификации и регрессии. Методы улучшения классификаторов. Bagging. Boosting. Алгоритм AdaBoost
  9. Логистическая и нелинейная регрессия
  10. Планирование эксперимента
  11. Hidden Markov Models
  12. …

Prerequisites

Дистрибутив R:

  1. Windows
  2. Linux
  3. macOS

Редакторы и оболочки:

  1. R-Studio (Windows, Linux, macOS)

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
  7. Шипунов А.Б., Балдин Е.М., Волкова П.А., Коробейников А.И., Назарова С.А., Петров С.В., Суфиянов В.Г. Наглядная статистика. Используем R! – М.: ДМК Пресс, 2012. – 298 с.

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
  7. Patrick Burns The R Inferno PDF
  8. Patrick Burns S Poetry PDF

Задачи

Условные обозначения: Решетка - задание выдано, плюс - зачтено, звездочка - штраф, минус - хм, незачет.

MC Modelling MLE EM MCMC
1. Сыткин Артём + + + + +
2. Иванова Евгения + + + + +
3. Дивногорская Анастасия + + + + +
4. Андреев Сергей 21 6 16 2 3
5. Плоткин Глеб 2 4 14 1 1
6. Плющанский Иван 6 11 15 2 2
7. Храмов Александр + + + + +
8. Запорожченко Мария + + + + +
9. Григорян Юрий + + + + +
10. Фалин Алексей + + + + +

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