Рабочая программа и аннотация
- РПД Статистические методы1.pdf - для просмотра файла необходимо авторизоваться
Методические рекомендации -
МР по организации дисциплины магистр.pdf
1. Цели и задачи изучения дисциплины Целью дисциплины является изучение статистических методов исследования процессов и явлений в техносфере 2. Краткая характеристика учебной дисциплины Основные принципы использования математической статистики. Оценка различия двух выборок путем статистического сравнения их параметров. Проверка наличия зависимости между двумя изучаемыми величинами. Первичная обработка экспериментальных данных. Выборочные характеристики статистического распределения. Статистическое распределение. Расчет основных числовых характеристик. Методы получения точечных оценок параметров распределения. Интервальные оценки. Доверительные интервалы. Статистические оценки параметров распределения. Регрессия. Уравнение регрессии. Линейная регрессия. Свойства и смысл коэффициента корреляции. Доверительный интервал для линейной регрессии. Нелинейная регрессия 3. Место дисциплины в структуре образовательной программы Дисциплина входит в формируемую часть "Блок 1" образовательной программы магистратуры, реализуется на 0-м году обучения с трудоемкостью освоения - 4.0 Зет. 4. Взаимосвязь дисциплины с предшествующими и последующими дисциплинами учебного плана подготовки Компетенции, сформированные в результате освоения содержания дисциплины «Статистические методы исследования явлений и процессов в техносфере», необходимы для выполнения выпускной квалификационной работы 5. Ожидаемые результаты освоения дисциплины В результате освоения дисциплины, у обучающихся должны быть сформированы следующие компетенции: ПК 11 - способность идентифицировать процессы и разрабатывать их рабочие модели, интерпретировать математические модели в нематематическое содержание, определять допущения и границы применимости модели, математически описывать экспериментальные данные и определять их физическую сущность, делать качественные выводы из количественных данных, осуществлять машинное моделирование изучаемых процессов