- 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
- Образование
- Учебный план 01.04.05, 2023, (2.5), Статистика
- Прикладной регрессионный анализ