BSc: AppliedStatisticsInDataAnalysis - Revision history

V.matiukhin: /* Методы и технологии обучения, способствующие формированию компетенции */

2024-04-15T07:11:11Z

Методы и технологии обучения, способствующие формированию компетенции

← Older revision		Revision as of 07:11, 15 April 2024
Line 314:		Line 314:
	\|}		\|}
	=== Методы и технологии обучения, способствующие формированию компетенции ===		=== Методы и технологии обучения, способствующие формированию компетенции ===
−	{\| class="wikitable"
−	\|- style="vertical-align:middle; text-align:center; background-color:#EAECF0; color:#202122; font-weight:bold;"
−	\| Методы и технологии обучения, способствующие формированию компетенции
−	\|- style="vertical-align:middle; background-color:#F8F9FA; color:#202122;"
⚫	Информационно – коммуникационная технология, Педагогика сотрудничества, Традиционные технологии, Модульная технология

		+
−	\|}
		⚫	Информационно – коммуникационная технология, Педагогика сотрудничества, Традиционные технологии, Модульная технология

V.matiukhin: /* 4. Методические и оценочные материалы */

2024-04-15T07:08:58Z

4. Методические и оценочные материалы

← Older revision		Revision as of 07:08, 15 April 2024
Line 99:		Line 99:
	\| style="text-align:center;" \| 2. \|\| Статистический вывод \|\| 1. Пусть <math>X_1, . . . , X_n</math> представляют собой случайную выборку из распределения с следующей плотностью вероятности:		\| style="text-align:center;" \| 2. \|\| Статистический вывод \|\| 1. Пусть <math>X_1, . . . , X_n</math> представляют собой случайную выборку из распределения с следующей плотностью вероятности:

		⚫	<math> f(x; \theta) = \frac{1}{2}e^{-\|x-\theta\|}, \forall ~ -\infty < x < \infty, -\infty < \theta < \infty </math>
−	<math>
−	f(x; \theta) =
⚫	\frac{1}{2}e^{-\|x-\theta\|}, \forall ~ -\infty < x < \infty, -\infty < \theta < \infty\\
−	</math>
	Найдите оценку максимального правдоподобия <math>\hat{\theta}</math> для <math>\theta</math>.		Найдите оценку максимального правдоподобия <math>\hat{\theta}</math> для <math>\theta</math>.

V.matiukhin: /* Перечень учебно-методического обеспечения дисциплины */

2024-04-15T07:04:41Z

Перечень учебно-методического обеспечения дисциплины

V.matiukhin: /* Прикладная статистика в анализе данных */

2024-04-15T07:03:32Z

Прикладная статистика в анализе данных

Show changes

V.matiukhin: /* Название дисциплины */

2024-04-15T05:51:13Z

Название дисциплины

Show changes

M.sokolovskii: Created page with "= Название дисциплины = : '''Квалификация выпускника''': бакалавр/ма..."

2024-02-04T22:46:35Z

Created page with "= <span style="color:red;">Название дисциплины</span> = : '''Квалификация выпускника''': <span style="color:red;">бакалавр/ма..."

Show changes

← Older revision		Revision as of 07:04, 15 April 2024
Line 247:		Line 247:

	1. Бишоп К. М. Распознавание образов и машинное обучение. - “Вильямс”, 2020. - 960 с.		1. Бишоп К. М. Распознавание образов и машинное обучение. - “Вильямс”, 2020. - 960 с.
		+
	2. Хасти Т., Тибширани Р., Фридман Д. Основы статистического обучения: интеллектуальный анализ данных, логический вывод и прогнозирование. - “Вильямс”, 2020. - 768 с.		2. Хасти Т., Тибширани Р., Фридман Д. Основы статистического обучения: интеллектуальный анализ данных, логический вывод и прогнозирование. - “Вильямс”, 2020. - 768 с.
		+
	3. Холлендер М., Вульф Д.А. Непараметрические методы статистики. - М.: Финансы и статистика, 1983. - 518 с.		3. Холлендер М., Вульф Д.А. Непараметрические методы статистики. - М.: Финансы и статистика, 1983. - 518 с.
		+
	4. G. Casella, R. L. Berger. Statistical Inference. Thomson Press. 2006		4. G. Casella, R. L. Berger. Statistical Inference. Thomson Press. 2006
		+
	5. Steven M. Kay. Fundamentals of Statistical Signal Processing: Estimation Theory (v. 1). Prentice Hall. 1993		5. Steven M. Kay. Fundamentals of Statistical Signal Processing: Estimation Theory (v. 1). Prentice Hall. 1993

Line 255:		Line 259:

	1. Murphy K.P. Machine Learning: A Probabilistic Perspective. Massachusetts Institute of Technology, 2012. — 1067 p.		1. Murphy K.P. Machine Learning: A Probabilistic Perspective. Massachusetts Institute of Technology, 2012. — 1067 p.
		+
	2. Bishop Christopher. Pattern Recognition and Machine Learning. Springer, 2006. — 738 p.		2. Bishop Christopher. Pattern Recognition and Machine Learning. Springer, 2006. — 738 p.
		+
	3. Hastie, T. Tibshirani, R. and Friedman, J. (2008) The Elements of Statistical Learning 2ed. Springer		3. Hastie, T. Tibshirani, R. and Friedman, J. (2008) The Elements of Statistical Learning 2ed. Springer
		+
	4. S. Hojsgaard, D. Edwards, S. Lauritzen. Graphical Models with R. Springer. 2012		4. S. Hojsgaard, D. Edwards, S. Lauritzen. Graphical Models with R. Springer. 2012
		+
	5. Efron, R. J. Tibshirani. An introduction to the bootstrap. Springer. 1993		5. Efron, R. J. Tibshirani. An introduction to the bootstrap. Springer. 1993
⚫	6. M. Ross. Introduction to Statistics. Prentice Hall. 1989

		⚫	6. M. Ross. Introduction to Statistics. Prentice Hall. 1989

	=== Методические указания для обучающихся по освоению дисциплины ===		=== Методические указания для обучающихся по освоению дисциплины ===