Strona główna

Zaawansowane metody analiz statystycznych –studia magisterskie


Pobieranie 21.66 Kb.
Data20.06.2016
Rozmiar21.66 Kb.
ZAAWANSOWANE METODY ANALIZ STATYSTYCZNYCH –studia magisterskie

Nr przedmiotu: 234050-0997


Zespół realizujący przedmiot: dr Wioletta Grzenda, dr Aneta Ptak-Chmielewska, Renata Małkowska
Zakład Analizy Historii Zdarzeń i Analiz Wielopoziomowych

http://www.sgh.waw.pl/zaklady/zahziaw/

Harmonogram zajęć w semestrze letnim roku akademickiego 2015/2016

Zajęcia odbywają się: w piątki w godz. 17.10-20.40 – sala C-4a




Nr

Data

Tematyka


1

19-02-16

Podstawy teoretyczne metod Bayesowskich. Metody Monte Carlo, rozkłady stacjonarne. Metody symulacji

2

26-02-16

Przykłady estymacji Bayesowskiej wybranych modeli część I.

3

04-03-16

Przykłady estymacji Bayesowskiej wybranych modeli część II

4

11-03-16

Przykłady estymacji Bayesowskiej wybranych modeli część III . Prezentacja projektów.

5

18-03-16

Prezentacja projektów. Test.

6

01-04-16

Wprowadzenie do teorii uogólnionych modeli liniowych. Metody estymacji i weryfikacji.

7

08-04-16

Przykłady estymacji uogólnionych modeli liniowych cz I.

8

15-04-16

Przykłady estymacji uogólnionych modeli liniowych cz II.

9

22-04-16

Przykłady estymacji uogólnionych modeli liniowych cz III. Prezentacja projektów.

10

29-04-16

Prezentacja projektów. Test.

11

06-05-16

Wprowadzenie do SAS Visual Analytics

12

13-05-16

Wizualizacje z wykorzystaniem SAS Visual Analytics

13

20-05-16

Raportowanie z wykorzystaniem SAS Visual Analytics

14

27-05-16

Zastosowanie SAS Visual Analytics na przykładzie projektów z zajęć

15

03-06-16

Prezentacja projektów. Test


Literatura

Frątczak E. (red.), Zaawansowane metody analiz statystycznych. Teoria – przykłady zastosowań, Oficyna wydawnicza SGH, 2013 lub 2012

W. Grzenda. Wstęp do statystyki bayesowskiej. Oficyna Wydawnicza SGH, 2012.

A.Ptak-Chmielewska. Uogólnione modele liniowe. Oficyna Wydawnicza SGH, 2013.


  1. Bernardo J. M., Smith A. F. M. Bayesian Theory. Wiley Series in Probability and Statistics, 2004.

  2. Bolstad W. M., Introduction to Bayesian statistics. A John Wiley & Sons, 2007.

  3. Gamerman D., Lopes H. F. Markov Chain Monte Carlo. Stochastic Simulation for Bayesian Inference. Second edition. Chapman & Hall (CRC Press), 2006.

  4. Gelman A., Carlin J. B., Stern H. S., Rubin D. B., Bayesian data analysis. Chapman & Hall (CRC Press), 2000.

  5. Lynch S. M., Introduction to applied Bayesian statistics and estimation for social scientists. Springer, 2007.

  6. Robert Ch. P., Casella G. Monte Carlo Statistical Methods. Second Edition. Springer Texts in Statistics, 2004.

  7. SAS Institute Inc., SAS/STAT SAS Online Doc, SAS Institute Inc. \

Zaliczenie:

3 projekty po 20 pkt=60 pkt

+3 testy po 20 pkt= 60 pkt

Razem 120 pkt, zalicza 60% punktów.







©snauka.pl 2016
wyślij wiadomość