Diskrečioji statistika
Dalyko anotacija lietuvių kalba
Šio kurso tikslas yra suteikti studentams teorinių ir praktinių žinių, reikalingų tiriant statistines priklausomybes tarp kategorinių kintamųjų. Kursas apima statistinių sprendimų teorijos pagrindus, klasifikavimo uždavinius, diskretaus pasirinkimo modelius, logtiesinę analizę, grafinius modelius ir jų taikymus.
Dalyko anotacija užsienio kalba
Course objective – introduce basic theory and statistical methods for investigation of statistical dependences between categorical variables. The course covers the following main topics: basics of statistical decision theory; classification and clusterization; discrete choice modelling; loglinear analysis; graphical models ant their application.
Būtinas pasirengimas dalyko studijoms
Tikimybių teorija, Matematinė statistika
Dalyko studijų rezultatai
1. Gebės priimti sprendimus esant neapibrėžtumams.
2. Sudarys diskretaus pasirinkimo modelį.
3. Pritaikys statistinius sprendimų teorijos metodus klasifikavime.
4. Gebės nustatyti ir patvirtinti kategorinių kintamųjų priklausomybės formą bei patikrinti statistinį reikšmingumą.
5. Pristatys atlikto namų darbą.
Dalyko studijos valandomis
Paskaitos 45 val.
Praktiniai darbai 15 val.
Savarankiškas darbas 100 val.
Iš viso: 160 val.
Studijų rezultatų vertinimas
Kolokviumas – 25%, namų darbas – 25%, egzaminas – 50% galutinio pažymio.
Literatūra
1. 2002 V.Čekanavičius, G.Murauskas. Statistika ir jos taikymai. II dalis TEV
2. 2009 V.Čekanavičius, G.Murauskas. Statistika ir jos taikymai. III dalis TEV
Papildoma literatūra
1. 2002 A.Agresti. Categorical Data Analysis. Wiley & Sons https://mathdept.iut.ac.ir/sites/mathdept.iut.ac.ir/files/AGRESTI.PDF
2. 2004 M.A.T. Figueiredo. Lecture Notes on Bayesian Estima-tion and Classification http://www.lx.it.pt/~mtf/learning/Bayes_lecture_notes.pdf
3. 2008 M.J.Wainwright, M.I.Jordan. Graphical models, exponen-tial families, and variational inference. Foundations and Trends in Machine Learning. Vol. 1, Nos. 1–2, pp. 1–305 https://people.eecs.berkeley.edu/~wainwrig/Papers/WaiJor08_FTML.pdf
