4ПМ_Б_Комп_Модел_Власова / Диагностика знаний / Вопросы_дис_спец.doc
.docВ о п р о с ы
по дисциплине специализации «Компьютерное моделирование экономических систем»
-
Понятие об эксперименте. Статистический эксперимент. Погрешности измерения. Систематическая и случайная погрешности измерения. Абсолютная и относительная погрешности.
-
Наблюдаемые значения случайной величины. Выбросы. Одномерные и многомерные случайные величины. Генеральная совокупность. Выборка.
-
Статистические характеристики случайных величин. Характеристики положения: математическое ожидание. Свойства математического ожидания. Оценка математического ожидания. Геометрический и физический смысл математического ожидания случайной величины.
-
Характеристики положения: медиана и мода. Оценка медианы и моды. Геометрический смысл.
-
Меры рассеяния. Дисперсия и её свойства. Оценка дисперсии случайной величины.
-
Среднеквадратическое отклонение случайной величины. Исключение выбросов. Правило трех сигм.
-
Эмпирическое распределение случайной величины. Построение эмпирического распределения случайной величины.
-
Гистограмма и кривая накопленных частот. Построение гистограммы и кривой накопленных частот. Показать на примере.
-
Проверка подчинения распределения случайной величины заданному закону распределения. Привести пример.
-
Непрерывные случайные величины. Нормальный закон распределения непрерывной случайной величины. Проверка подчинения совокупности экспериментальных данных нормальному закону распределения.
-
Дискретные случайные величины. Закон распределения Пуассона. Проверка подчинения совокупности экспериментальных данных закону распределения Пуассона.
-
Корреляция. Парная корреляция. Частные коэффициенты корреляции. Корреляционный анализ экспериментальных данных.
-
Корреляционная матрица. Построение корреляционной матрицы.
-
Корреляционный анализ случайных величин.
-
Линейный регрессионный анализ. Классическая линейная регрессионная модель и ее обобщения. Описательная регрессия. Привести пример.
-
Нелинейный регрессионный анализ. Классическая нелинейная регрессионная модель и ее обобщения. Нелинейные регрессионные модели. Привести пример.
-
Линеаризация нелинейных моделей. Последствия линеаризации.
-
Оценивание дисперсии в классической нелинейной регрессионной модели на примере экспоненциальной модели.
-
Оценивание дисперсии в классической нелинейной регрессионной модели на примере полиномиальной модели (квадратичная модель-парабола).
-
Средства анализа данных на персональных компьютерах. Статистические пакеты.
-
Возможности табличных процессоров.
-
Факторный анализ. Классическая модель факторного анализа и ее интерпретация.
-
Структура и статистические исследования модели факторного анализа.
-
Аналитические методы распознавания образов. Применение множественной линейной регрессии к решению задачи распознавания образов (классификации).
-
Дискриминантный анализ. Основные формулы. Оценка погрешности классификации.
-
Кластерный анализ. Меры сходства. Агломеративные алгоритмы.
-
Дивизимные алгоритмы кластерного анализа.