• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Вероятностные и статистические методы моделирования

2016/2017
Учебный год
RUS
Обучение ведется на русском языке
4
Кредиты

Программа дисциплины

Аннотация

Дисциплина «Вероятностные и статистические методы моделирования» нацелена на развитие теоретических представлений и навыков математического моделирования в условиях неопределенности. Рассматриваются как классические так и современные вероятностные модели и статистические методы анализа данных, включая статистические процедуры со многими решениями и методы множественной проверки гипотез. В результате освоения дисциплины аспиранты систематизируют свои знания в области вероятностных и статистических моделей, осваивают современные методы статистического анализа , приобретают навык работы с научной литературой.
Цель освоения дисциплины

Цель освоения дисциплины

  • Целью освоения дисциплины является знакомство учащихся с современными вероятностными и статистическими методами моделирования. В результате освоения дисциплины аспирант должен: Знать: основные положения построения вероятностных моделей и их статистического анализа. Уметь: использовать полученные знания в своей научной и педагогической деятельности Иметь навыки (приобрести опыт): работы с литературой по вероятностным и статистическим моделям
Планируемые результаты обучения

Планируемые результаты обучения

  • строит и анализирует вероятностные модели прикладных задач. Описывает особенности моделей.
  • Анализирует теоретически и с помощью анализа данных модели страховой деятельности. Выбирает модели адекватные практической ситуации.
  • Анализирует теоретически и с помощью анализа данных финансовые модели. Выбирает модель, адекватную приктической ситуации.
  • Применяет современные методы статистики и проверки статистических гипотез.
  • Выполняет теоретический анализ различных методов множественной проверки гипотез. Применяет современные методы множественной проверки гипотез к реальным данным.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Концептуальные основы построения вероятностных моделей и современные методы их анализа.
    Дискретные и непрерывные модели. Роль предельных теорем. Разложения случайных величин и векторов. Экспоненциальное распределение и его обобщения. Меры зависимости случайных величин. Современные методы генерирования случайных векторов. Критерии согласия, однородности и случайности.
  • Актуарная математика и её применения.
    Модели процесса наступления страховых случаев. Индивидуальный и коллективный риски. Типовые распределения вероятностей, используемые в страховании: нормальное, логнормальное, гамма-распределение, Парето, Пуассона, биномиальное. Функция выживания, кривая смертности, интенсивность смертности, остаточное время жизни. Роль условного распределения. Модели Муавра, Гомпертца, Мейкхама, Вейбулла.
  • Стохастическая финансовая математика.
    Вероятностно-статистические модели описания финансовых данных. Модели, основанные на броуновском движении. Специфика распределений цен и доходностей. Влияние «хвостов» распределений. Теория мартингалов и её применение в финансовой математике.
  • Современные методы статистики. Проверка статистических гипотез.
    Основные понятия и направления общей теории статистических решающих функций. Специфика многомерного статистического анализа. Традиционные и нетрадиционные методы оценивания неизвестных параметров. Будстреп и копуллы. Метод Монте-Карло и современные методы статистического моделирования.Функция потерь и ошибки первого и второго рода. Обобщение леммы Неймана- Пирсона. Несмещённые тесты. Класс тестов структуры Неймана. Оптимальные инвариантные тесты. Тесты с инвариантной мощностью. Минимаксные и максиминные критерии. Непараметрические тесты
  • Теория статистических процедур со многими решениями.
    Байесовская теория. Теоретико-множественный подход Лемана. Типовые функции потерь и условный риск. Контроль вероятностей ошибок. Совместные выводы и методы одновременной проверки многих гипотез. Неравенство Бонферони, процедуры Холма и Хочберга. Максиминные процедуры Лемана.
Элементы контроля

Элементы контроля

  • неблокирующий самостоятельная работа
  • неблокирующий экзамен
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (II семестр)
    0.3 * самостоятельная работа + 0.7 * экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Benninga, S. (2014). Financial Modeling (Vol. Fourth edition). Cambridge, Massachusetts: The MIT Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1089520
  • Eric D. Kolaczyk, Gabor Csardi (2014) Statistical Analysis of Network Data with R. Springer New York Heidelberg Dordrecht London. https://link.springer.com/content/pdf/10.1007%2F978-1-4939-0983-4.pdf.
  • Frederick Mosteller, Stephen E. Fienberg, & Robert E.K. Rourke. (2013). Beginning Statistics with Data Analysis. [N.p.]: Dover Publications. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1154016
  • Hastie, T., Tibshirani, R., & Friedman, J. H. (2009). The Elements of Statistical Learning : Data Mining, Inference, and Prediction (Vol. Second edition, corrected 7th printing). New York: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=277008
  • Rees, M. (2008). Financial Modelling in Practice : A Concise Guide for Intermediate and Advanced Level. Hoboken, NJ: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=319172
  • Wilcox R R. Understanding and Applying Basic Statistical Methods Using R / R R. Wilcox. - Hoboken, New Jersey: Wiley; 2016. eBook https://ebookcentral.proquest.com/lib/hselibraryebooks/detail.action?docID=4526801

Рекомендуемая дополнительная литература

  • Borek Puza. (2015). Bayesian Methods for Statistical Analysis. Netherlands, Europe: ANU Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.C43E3A69
  • Dehmer, M., & Basak, S. C. (2012). Statistical and Machine Learning Approaches for Network Analysis. Hoboken, N.J.: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=465414
  • Murphy, K. P. (2012). Machine Learning : A Probabilistic Perspective. Cambridge, Mass: The MIT Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=480968
  • Миронкина Ю.Н., Звездина Н.В., Скорик М.А., Иванова Л.В. - АКТУАРНЫЕ РАСЧЕТЫ. Учебник и практикум для бакалавриата и магистратуры - М.:Издательство Юрайт - 2017 - 518с. - ISBN: 978-5-534-04087-6 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/aktuarnye-raschety-405324