• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2021/2022

Статистический анализ нечисловой информации

Лучший по критерию «Новизна полученных знаний»
Статус: Курс обязательный (Экономика и статистика)
Направление: 38.03.01. Экономика
Когда читается: 2-й курс, 3 модуль
Формат изучения: без онлайн-курса
Охват аудитории: для своего кампуса
Преподаватели: Астафьева Екатерина Викторовна
Язык: русский
Кредиты: 4
Контактные часы: 40

Программа дисциплины

Аннотация

В рамках курса студенты осваивают как теоретические, так и практические задачи, вырабатывают навыки количественной обработки нечисловых данных. В курсе даются понятия шкал измерения признаков и их свойств; что такое таблицы сопряженности и какими свойствами они обладают; определяются критерии проверки наличия взаимосвязи между признаками, измеренными в номинальной шкале, а также меры для оценки тесноты этой взаимосвязи; даются основы логарифмически-линейного анализа, выбора и оценки оптимальной модели, описывающей наблюдаемые данные; Для освоения дисциплины необходимы знания математики, математического анализа, теории вероятностей и математической статистики в рамках вузовской программы.
Цель освоения дисциплины

Цель освоения дисциплины

  • Формирование у студентов научного представления о статистических методах исследования случайных явлений в экономике
  • Изучение методов количественной оценки статистических данных нечисловой природы
  • Развитие умения формулировать статистические гипотезы, содержательно интерпретировать полученные результаты
  • Формирование вероятностно-статистического мышления, необходимого для успешной исследовательской и аналитической работы в современных областях социально-экономической и управленческой деятельности
Планируемые результаты обучения

Планируемые результаты обучения

  • Знать основные принципы работы с нечисловой информацией
  • Уметь проверять независимость, знать основные меры связи и строить логарифмически-линейные модели для нечисловой информации (категориальных признаков)
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Статистический анализ нечисловой информации
Элементы контроля

Элементы контроля

  • неблокирующий Текущий контроль работы
  • неблокирующий ЭКЗАМЕН
    Не разрешается использование никаких материалов за исключением 1-2 листов формата А4 с основными формулами по курсу без пояснений (допускается как рукописный, так и печатный вариант) и статистических таблиц. Работа проводится дистанционно, в режиме видеоконференции по группам, под контролем преподавателя, ведущего семинары, по индивидуальным вариантам, высылаемым преподавателем каждому студенту на групповую почту. Студенту необходимо во время контрольной работы иметь подключенную камеру и звук, чтобы его было видно и слышно, с целью обеспечения контроля самостоятельности его работы.
  • неблокирующий Домашняя работа 1
  • неблокирующий Домашняя работа 2
  • неблокирующий Домашняя работа 3
  • неблокирующий Домашняя работа 4
Промежуточная аттестация

Промежуточная аттестация

  • 2021/2022 учебный год 3 модуль
Список литературы

Список литературы

Рекомендуемая основная литература

  • Прикладная статистика. Основы эконометрики. Т.1: Теория вероятностей и прикладная статистика, Айвазян, С. А., 2001

Рекомендуемая дополнительная литература

  • Agresti, A. (2013). Categorical Data Analysis (Vol. Third edition). Hoboken, NJ: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=769330
  • Ark, L. A. van der, Croon, M. A., & Sijtsma, K. (2005). New Developments in Categorical Data Analysis for the Social and Behavioral Sciences. Mahwah, N.J.: Psychology Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=125950
  • Fienberg, S. E. (2007). The Analysis of Cross-Classified Categorical Data (Vol. 2nd ed). New York, NY: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=212853
  • Sutradhar, B. C. (2014). Longitudinal Categorical Data Analysis. New York: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=881131
  • Upton, G. J. G. (2016). Categorical Data Analysis by Example. Hoboken, New Jersey: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1402878
  • Ганичева А.В. - Прикладная статистика: учебное пособие - Издательство "Лань" - 2017 - 172с. - ISBN: 978-5-8114-2450-4 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/91890
  • Прикладная статистика в задачах и упражнениях : учебник для вузов, Айвазян, С. А., 2001