Basic Statistics and Data Analysis

2016/2017

Academic Year

RUS

Instruction in Russian

3

ECTS credits

Delivered at:

Department of Economics

Course type:

Elective course

When:

1 year, 3 module

Программа дисциплины

Аннотация

Настоящая программа учебной дисциплины устанавливает минимальные требования к знаниям и умениям студента и определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления подготовки 38.03.01 «Экономика».

Цель освоения дисциплины

• подготовка выпускников к информационно-аналитической и научно-исследовательской деятельности в качестве исполнителей или руководителей младшего уровня, а также к продолжению обучения в магистратуре и аспирантуре.

Планируемые результаты обучения

• Знать базовый терминологический аппарат общей теории статистики, различать виды научных дисциплин, имеющих отношение и использующий ее расчетные техники
• Уметь составить план простого статистического исследования, обрабатывать реальные данные, на продвинутом уровне использовать программную среду Jupyter для решения прикладных статистических задач по сбору и первичной обработке информации
• Иметь навыки (приобрести опыт) самостоятельного сбора и обработки информации, углубленного статистического анализа в программной среде Excel, Python

Содержание учебной дисциплины

• Введение в статистику
• Знакомство со средой Jupyter
• Программирование на Python
• Ввод и вывод данных
• Работа с форматом JSON
• Регулярные выражения
• Работа с большими объемами данных – введение в SQL
• Базовые приемы работы с MS Excel

Элементы контроля

• контрольная работа
  Письменная контрольная работа проверяет умение дифференцировать и интегрировать, находить статистические взаимосвязи. Суммарный балл контрольной работы составляет 10 баллов.
• экзамен
• аудиторная работа

Промежуточная аттестация

• Промежуточная аттестация (3 модуль)
  0.45 * аудиторная работа + 0.15 * контрольная работа + 0.4 * экзамен

Список литературы

Рекомендуемая основная литература

• Nelli, F. (2015). Python Data Analytics : Data Analysis and Science Using Pandas, Matplotlib and the Python Programming Language. [Berkeley, CA]: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1056488

Рекомендуемая дополнительная литература

• Romano, F. (2015). Learning Python. Birmingham: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=nlebk&AN=1133614