26 II 2019, uaktualnione: 5 III 2019, 12 III 2019 Interdyscyplinarne seminaria semestr letni 2018/2019 Zajęcia: wt. 8:15-9:00 s. 3.11, bud. C-11 Prowadzący: prof. dr hab. Krzysztof Bogdan dr Damian Brzyski dr Adam Zagdański Zasady zaliczania kursu: ocena prezentacji: pierwsza prezentacja z waga 1/3, druga prezentacja z waga 2/3. Prezentacje oceniane są przez prowadzącego po zasięgnięciu opinii słuchaczy.
A. Pierwszy cykl prezentacji (prace magisterskie): Materiały do pierwszego cyklu prezentacji: [1] Goldstein, P., Strzelecki, P., Jak pisać prace dyplomowe z matematyki, 2015, http://dydmat.mimuw.edu.pl/jak-pisac-pracedyplomowe-z-matematyki [2] Halmos, P. R. How to write mathematics, Enseignement Math. (2) 16 1970 123 152. [3] Halmos, P. R., How to talk Mathematics, Notices of the AMS (1974) 21:3 155-158 Format: prezentacja ok. 10 minut, dyskusja ok. 5 minut. Terminy: 2019-03-05: Witold Nawrot, Natalia Szulc 2019-03-12: Dominika Sułot, Jonas Al.-Hadad, Agnieszka Zawadzka 2019-03-19: Marcela Niemczyk, Mateusz Rzycki, Paweł Wyborski 2019-03-26: Paweł Holewa, Bartosz Rzepkowski, Bartłomiej Nowak
B. Drugi cykl prezentacji (opracowanie wybranych procedur statystycznych): Procedura: Prezentacja: 25-30 minut; Dyskusja, włączając posługiwanie się poprawną notacją matematyczną na tablicy i wypełnianie ankiety oceny prezentacji: 15 minut. Prezentację należy przygotować z tygodniowym wyprzedzeniem, i przedstawić opiekunowi tematu na konsultacjach przed prezentacją, żeby uwzględnić ewentualne wskazówki. Poniżej podane są tematy (w dwóch dwa blokach) z rozpisaniem na osoby i terminy, ze wskazaną literaturą. Blok I. Opiekun tematów: dr Damian Brzyski: 1. Regresja wieloraka: Witold Nawrot, 2019-04-02 [1] http://manuals.pqstat.pl/statpqpl:wielowympl:wielorpl [2] http://prac.im.pwr.wroc.pl/~sobczyk/dydaktyka/regresja_prosta.pdf [3] https://bioinformatics-core-shared-training.github.io/linear-models-r/multiple_regression.html 2. Wybór istotnych zmiennych metodą Forward selection: Natalia Szulc, 2019-04-09 [1] https://cran.r-project.org/web/packages/olsrr/vignettes/variable_selection.html [2] https://www.guru99.com/r-simple-multiple-linear-regression.html 3. Klasteryzacja danych metodą k-średnich: Mateusz Rzycki, 2019-04-30 [1] http://www.statystyka.az.pl/analiza-skupien/metoda-k-srednich.php [2] http://quantblog.pl/2016/03/29/metoda-k-srednich-szybko-i-latwo-w-r/ 4. Analiza głównych składowych (PCA): Dominika Sułot, 2019-05-07 [1] http://coin.wne.uw.edu.pl/jcieciel/czynnikowa_final_nowe.pdf [2] http://www.mif.pg.gda.pl/homepages/njarzebkowska/statii2018/%5bm3%5d%20pcafa/%5bpt%5d/modu%c5%82_3_pt.pdf [3] https://www.r-bloggers.com/computing-and-visualizing-pca-in-r/
Blok II. Opiekun tematów: dr Adam Zagdański: 5. Wizualizacja szeregów czasowych: wykresy zwykłe i sezonowe, autokorelacja: Paweł Holewa, 2019-05-14 [1] Rob J Hyndman and George Athanasopoulos, Forecasting: Principles and Practice https://otexts.com/fpp2/graphics.html, rozdz.2. [2] A.Zagdański, A.Suchwałko, Analiza i prognozowanie szeregów czasowych, PWN, rozdz.4. 6. Wprowadzenie do prognozowania szeregów czasowych (m.in.: metody naiwne, ocena dokładności prognoz, przedziały predykcyjne, podstawowe transformacje): Agnieszka Zawadzka, 2019-05-21 [1] Rob J Hyndman and George Athanasopoulos, Forecasting: Principles and Practice, rozdz.3. https://otexts.com/fpp2/toolbox.html [2] A.Zagdański, A.Suchwałko, Analiza i prognozowanie szeregów czasowych, PWN, rozdz.8.1 i 8.2. 7. Dekompozycja szeregów czasowych identyfikacja trendów długoterminowych i wahań sezonowych (sezonowości): Bartosz Rzepkowski, Bartłomiej Nowak, 2019-05-28 [1] Rob J Hyndman and George Athanasopoulos, Forecasting: Principles and Practice, rozdz.6. https://otexts.com/fpp2/decomposition.html [2] A.Zagdański, A.Suchwałko, Analiza i prognozowanie szeregów czasowych, PWN, rozdz.6. [3] Peter J. Brockwell, Richard A. Davis, Introduction to Time Series and Forecasting, Springer, rozdz. 1.5. 8. Prognozowanie szeregów na bazie dekompozycji: Paweł Wyborski, 2019-06-04 [1] Rob J Hyndman and George Athanasopoulos, Forecasting: Principles and Practice, rozdz.6. https://otexts.com/fpp2/decomposition.html [2] A.Zagdański, A.Suchwałko, Analiza i prognozowanie szeregów czasowych, PWN, rozdz. 8.5. 9. Wprowadzenie do analizy finansowych szeregów czasowych: Jonas Al-Hadad, 2019-06-11 [1] R.Tsay. Analysis of Financial Time Series. John Wiley & Sons. [2] Tim Bollerslev, Ray Y. Chow and Kenneth F. Kroner, ARCH modelling in finance. A review of the theory and empirical evidence, Journal of Econometrics 52 (1992), 5-59. Noorth-Holland http://public.econ.duke.edu/~boller/published_papers/joe_92a.pdf [3] Tim Bollerslev, Robert F. Engle and Daniel B. Nelson. ARCH Models. http://dukespace.lib.duke.edu/dspace/bitstream/handle/10161/2551/tim_arch_models.pdf?sequence=1
10. Modele ARIMA identyfikacja, diagnostyka i zastosowanie do prognozowania: Marcela Niemczyk, 2019-06-18 [1] Rob J Hyndman and George Athanasopoulos, Forecasting: Principles and Practice, rozdz.8. https://otexts.com/fpp2/arima.html: [2] A.Zagdański, A.Suchwałko, Analiza i prognozowanie szeregów czasowych, PWN, rozdz.7 i 8.3. [3] Peter J. Brockwell, Richard A. Davis, Introduction to Time Series and Forecasting, Springer, rozdz. 6