Informations du cours

Дисципліна "Методи економіко-статистичних досліджень" є однією з базових дисциплін економіко-математичного циклу для підготовки магістрів за фахом "Економічна кібернетика".

Метою дисципліни є вивчення теоретичних основ і можливостей практичного застосування методів багатовимірного статистичного аналізу для дослідження економічних систем різного призначення.

Наукову основу дисципліни складають теоретичні методи і моделі, математичний апарат, сучасні концепції, які визначають різні підходи до порівняльного багатовимірного аналізу економічних систем.

У процесі навчання студенти отримують необхідні знання під час лекційних, практичних та семінарських занять і виконуючи лабораторні роботи. Також велике значення в процесі вивчення та закріплення знань має самостійна робота студентів і виконання індивідуальних завдань. Усі види занять розроблено відповідно до положень Болонської декларації.

Необхідна навчальна база перед початком вивчення дисципліни: з метою найкращого засвоєння матеріалу студенти повинні до початку вивчення дисципліни опанувати знання і навички в галузі вищої математики, теорії ймовірностей і математичної статистики, прикладної економетрії, оптимізації економічних систем, а також макро- і мікроекономіки.

У результаті вивчення дисципліни студент має

знати:

сутність задач порівняльного багатовимірного аналізу в економіці;

основні етапи у вирішенні задач класифікації і зниження розмірності багатомірних об’єктів;

базові поняття багатовимірного статистичного аналізу;

задачі і методи кластерного та дискримінантного аналізу;

методи статистичної і динамічної оцінки багатовимірних об'єктів;

методи зниження признакового простору;

сутність факторного аналізу та багатовимірного шкалювання.

уміти:

виділяти й аналізувати багатомірні об'єкти в економіці;

будувати алгоритми кластер-процедур;

здійснювати класифікацію об'єктів на основі методу дискримінантного аналізу;

здійснювати лінійне упорядкування багатовимірних об'єктів на основі методів таксономії;

застосовувати метод дендритів для нелінійного упорядкування об'єктів;

виділяти об'єкти-репрезентанти в однорідних групах;

визначати агрегатні діагностичні ознаки;

застосовувати методи дисперсійного аналізу;

досліджувати взаємозалежності на основі методу канонічних кореляцій;

застосовувати моделі факторного аналізу для зниження розмірності признакового простору;

використовувати метод головних компонентів для стиску вихідних даних;

використовувати методи багатовимірного шкалювання.