Статистичне мислення щодо науки о даних

В сучасних умовах поширення економіки знань інформація стає одним з основних товарів. Своєчасне отримання інформації, її ефективна обробка та формування оптимальних управлінських рішень на підставі отриманих результатів дозволяє розробляти адекватні до умов зовнішнього та внутрішнього середовища стратегії та тактики функціонування суб’єктів ринкових відносин. Дисципліна «Статистичне мислення щодо науки о даних» дозволяє дослідникам отримувати знання та формувати практичні навики отримання конкурентних переваг щодо роботи з інформацією та великими масивами даних.

Предмет дисципліни – статистичні методи та економіко-математичні моделі оцінки, діагностики та прогнозування соціально-економічних явищ та процесів на підставі дослідження та обробки великих масивів даних.

Мета дисципліни - формування теоретичних знань і практичних навичок статистичного мислення при ведені підприємницької діяльності.

Завдання дисципліни:

• ознайомитися з можливостями і набути практичних навичок використання статистичних методів та моделей аналізу даних;
• опанувати навичок дослідження великих масивів даних;
• сформувати компетентності щодо статистичного мислення для розробки ефективних управлінських рішень;
• визначити комплекти економіко-математичних моделей для дослідження соціально-економічних систем.

Після успішного вивчення навчальної дисципліни студент має вміти:

• здійснювати комплексне управління даними;
• формулювати питання щодо обробки даних та визначати ефективні статистичні методи та моделі;
• обґрунтувати використання різноманітних статистичних понять та інструментів для обробки даних;
• знаходити, групувати та оцінювати набори даних з різних джерел інформації, які характеризують реальні економічні проблеми;
• використовувати статистичні методи, які відповідають визначеним даним;
• правильно інтерпретувати результати статистичного аналізу, здійснювати їх візуалізацію та визначати шляхи оприлюднення їх для користувачив;

• вивчення та тестування моделей та опис поведінки складних систем, що дозволяє досліджувати моделі та узагальнювати опис поведінки соціотехнічних систем та вибору джерел даних з урахуванням потреб та цінностей різних зацікавлених сторін;
• можливість використання міждисциплінарних підходи до того, щоб визначати та аналізувати незнайомі або неправильно представлені елементи системи;
• дослідження, аналіз, інтерпретація та візуалізація даних за допомогою технологій обробки даних та програмних продуктів;
• застосовувати й оцінювати наукові поняття, теорії, практики та інструменти для розробки та управління пошуку даних у досліджуваних середовищах, які засновані на різноманітних джерелах даних;
• розробляти, перевіряти, обґрунтовувати та надавати пропозиції щодо дослідження даних, методології, результатів аналізу та рекомендації щодо прийняття рішень.

Модуль 1. Динамічне мислення щодо даних
Тема 1. Використання моделей декомпозиції для аналізу даних
Тема 2. Моделі дослідження взаємозв’язку даних: тест Гренджера, векторні авторегресійні моделі, коінтеграція

Модуль 2. Багатовимірне мислення щодо даних
Тема 3. Факторний аналіз даних
Тема 4. Кластеризація як метод формування однорідних груп даних
Тема 5. Розпізнавання даних та дискримінанстний аналіз

1.  H.R.Seddighi, K.A. Lawler, A.V. Katos. Econometrics. A practical approach. – Routledge, London, 2000.
2. P. Kennedy. A guide to Econometrics. Blackwell, 1999.
3. Gencay R. Differentiating intraday seasonalities through wavelet multi-scaling / R. Gencay, F. Selcuk, B. Whitcher // Physica A., 2001. – №289. – P. 543–556
4. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс: Учеб. — 8-е изд., испр. — М.: Дело, 2007. — 504 с.
5. Статистика. Навчальний посібник / Під ред. д.е.н., проф. Раєвнєвої О.В. – Харків: Вид. ХНЕУ, 2010. – 520 с.
6. Факторный, дискриминантный и кластерный анализ: Пер. с англ./ Дж. – О. Ким, Ч. У. Мьюллер, У.Р. Клекка и др.; Под ред. И.С. Енюкова. – М.: Финансы и статистика, 1989. – 215с
7. Халафян А.А. STATISTICA 6. Статистический анализ данных. – М.: ООО «Бином-Пресс», 2008. – 512с.