Прикладной регрессионный анализ

Цели и задачи дисциплины

Цель дисциплины: освоить методы и способы выбора, построения и анализа регрессионных моделей для решения различных научных и практических задач. Задачи: познакомиться с различными регрессионными моделями и подходами к их отбору на основе статистического анализа данных; научиться на практике проводить корреляционно-регрессионный анализ с использованием Пакета анализа Excel и библиотек языка программирования Python; освоить теоретические подходы анализа качества регрессионных моделей и их программную реализацию.

Краткое содержание дисциплины

В данном курсе рассматриваются теоретические основы построения регрессионных моделей и их реализация в модуле Statsmodels и библиотеке Scikit-learn. Большое внимание уделяется оценке качества модели, проверке значимости самого уравнения регрессии и отдельных коэффициентов, проверке условий Гаусса-Маркова. Изучаются такие модели как линейная, Лассо, полиномиальная, логистическая и др., обсуждается выбор оптимальной модели, построение прогноза по модели, проблема мультиколлинеарности.

Компетенции обучающегося, формируемые в результате освоения дисциплины

Выпускник должен обладать:

УК-6 Способен определять и реализовывать приоритеты собственной деятельности и способы ее совершенствования на основе самооценки