Статистические методы и модели прогнозирования

Цели и задачи дисциплины

Цель дисциплины: освоить методы анализа и построения временных рядов, построения моделей и анализа их качества построения регрессионных моделей с использованием возможностей языка программирования Python для решения различных научных и практических задач. Задачи: -познакомиться с различными видами анализа временных рядов -научиться на практике строить модели временных рядов, оценивать их качество и адекватность, выбирать наилучшую модель для прогнозирования - освоить метод главных компонент и его применение для борьбы с мультиколлинеарностью при построении регрессионных моделей

Краткое содержание дисциплины

В данном курсе для анализа, построения моделей и прогнозирования используется язык программирования Python - работа осуществляется в онлайн-среде Google Colab. Изучаются возможности использования библиотек и модулей Python для для анализа временных рядов, построения моделей тренда и учёта фактора сезонности. Большое внимание уделяется модели SARIMAX, её реализации в Python, выборе оптимальных параметров и построению прогноза. Также рассматривается метод главных компонент (PCA) и его использование в регрессионном и кластерном анализе.

Компетенции обучающегося, формируемые в результате освоения дисциплины

Выпускник должен обладать:

ПК-1 Способен активно участвовать в проведении экспериментальных статистических расчетов по оригинальным методикам и критически оценивать их результаты
УК-1 Способен осуществлять критический анализ проблемных ситуаций на основе системного подхода, вырабатывать стратегию действий