АННАТАЦИОННАЯ ПРОГРАММА ДИСЦИПЛИНЫ МАТЕМАТИЧЕСКАЯ СТАТИСТИКА. Направление подготовки 010100.62 математика (вычислительная математика и информатика) Квалификация (степень) выпускника бакалавр Общая трудоемкость дисциплины 144ч. 1. Цели освоения дисциплины Целью освоения дисциплины (модуля) "Математическая статистика" является фундаментальная математическая подготовка в области планирования, систематизации и использования статистических данных для обнаружения закономерностей в тех явлениях, в которых существенную роль играет случайность. 2. Место дисциплины в структуре ООП ВПО Курс входит в цикл профессиональных дисциплин в вариативной части обучения или может входить в базовую часть в качестве дисциплины, продолжающей курс «Теории вероятности». Для освоения курса необходимы знания и навыки, приобретенные в результате предварительного обучения дисциплинам: математический анализ, функциональный анализ, алгебра, теория вероятностей. Методы математической статистики помогают проверить соответствие математической модели изучаемому явлению или процессу, дают возможность принять решение о свойствах модели по результатам экспериментов, которые подвержены случайным колебаниям, в частности оценить неизвестные параметры и проверить статистические гипотезы. Обучение этим методам оправдано широким спектром применения для решения многих проблем производства, техники, физики, биологии, геологии, экономики, психологии, лингвистики. 3. Компетенции обучающегося, формируемые в результате освоения дисциплины (модуля): ОК-6, ОК-7, ОК-8, ОК-10, ОК-11, ОК-12, ПК-1, ПК-2, ПК-3, ПК4, ПК-5, ПК-6, ПК-8, ПК-9, ПК-10, ПК-11, ПК-15, ПК-16, ПК-18, ПК-20, ПК-21, ПК-22, ПК-25, ПК-27, ПК-29. В результате освоения дисциплины обучающийся должен: 1) Знать: математические основы статистического анализа данных: основные понятия, формулировки и доказательства важнейших утверждений, а также примеры их практического применения. 2) Уметь: использовать теоретические основы математической статистики для решения конкретных статистических задач, находить оптимальные статистические решения с наименьшим риском ошибки. 3) Владеть: многообразными методами современной математической статистики для решения как классических задач, так и новых задач, возникающих в практических областях. 4. Структура и содержание дисциплины. Основные понятия математической статистики. Задачи математической статистики. Основные понятия выборочного метода. Эмпирическая функция распределения, гистограмма, эмпирические моменты. Сходимость эмпирических характеристик к теоретическим. Точечное оценивание. Параметрические семейства распределений. Точечные оценки. Несмещенность, состоятельность оценок. Методы нахождения оценок: метод моментов, метод максимального правдоподобия. Состоятельность оценок метода моментов. Сравнение оценок. Необходимость и способы сравнения оценок. Среднеквадратический подход. Эффективность оценок. Единственность эффективной оценки в классе с фиксированным смещением. Асимптотические нормальные оценки. Асимптотический подход к сравнению оценок. Эффективные оценки. Условия регулярности. Регулярные и нерегулярные семейства распределений. Неравенство Рао-Крамера – способ проверки эффективности оценок. Доверительные интервалы. Интервальное оценивание. Способы построения доверительных интервалов. Распределения, связанные с нормальным. Гамма – распределение и его свойства. Распределение хи-квадрат и его свойства. Распределение Стьюдента. Распределение Фишера. Их взаимосвязь и свойства. Лемма Фишера. Построение точных доверительных интервалов для параметров нормального распределения. Проверка гипотез. Гипотезы и критерии. Основные виды гипотез. Вероятности ошибок. Мощность критерия. Проверка двух простых гипотез. Способы сравнения критериев. Понятие наиболее мощного критерия (НМК). Лемма Неймана-Пирсона. Простая гипотеза и сложная альтернатива. Критерии согласия. Общий принцип построения критериев согласия. Понятие состоятельности критерия. Критерии Колмогорова, хи-квадрат Пирсона. Исследование статической зависимости: линейная регрессия. Модель регрессии. Метод наименьших квадратов. Общая модель линейной регрессии. Оценка МНК, её свойства. Составил доцент кафедры МАиМ В.А.Труфанов