1. Самостоятельная работа студентов и ее объем в часах

Самостоятельная работа студентов планируется с целью приобретения ими навыков работы со специальной литературой, в том числе с нормативными документами, справочниками, изучения вопросов, не вошедших в аудиторную работу.

Самостоятельная работа студентов заочного обучения планируется с целью приобретения ими навыков работы с компьютером, методами статистической обработки информации при осуществлении производственной деятельности. Результатом является написание и защита контрольной работы по варианту, содержащему 2 вопроса, отражающих основные разделы курса дисциплины.

Очное обучение

№ п/п	Раздел дисциплины	Трудоемкость, час	Вид СРС	Средство оценивания результатов обучения СРС
1	1-3	10	Выполнение домашних заданий, подготовка к защите результатов, полученных на практических занятиях	Контрольный письменный и устный опрос,
2	3	24	Самостоятельная проработка вопросов: кластерный анализ, факторный анализ, дискриминантный анализ, непараметрическая статистика, специализированное программное обеспечение статистической обработки данных.	Проверка конспектов, реферат
3	1-3	10	Подготовка к зачету	Зачет
Итого 44 часа

Заочное обучение 5 лет, 4 года

№ п/п	Раздел дисциплины	Трудоемкость, час	Вид СРС	Средство оценивания результатов обучения СРС
1	1-4	30	Выполнение контрольной работы по дисциплине. Подготовка к защите контрольной работы в виде собеседования	Контрольный опрос, собеседование по вопросам контрольной работы
2	2,3	4	Подготовка к практическим занятиям и к защите отчетов по выполненным заданиям.	Контрольный опрос
3	2,3	10	Самостоятельная работа студентов с программой Tanagra. Освоение методов поточной обработки данных. Освоение приемов визуализации данных.	Проверка рабочей тетради
4	1-4	20	Подготовка к зачету	Зачет
Итого 64 час

2. Перечень тем рефератов

1. Технологии сбора экспериментальных данных.

2. Технологии обработки экспериментальных данных.

3. Ошибки в данных. Причины появления и способы устранения.

4. Основные статистические показатели.

5. Корреляционный анализ данных.

6. Регрессионный анализ данных.

7. Факторный анализ.

8. Параметрические и непараметрические критерии оценки существенности различий.

9. Кривые частотных распределений.

10. Кластерный анализ.

11. Дискриминантный анализ.

12. Дисперсионный анализ.

13. Канонический анализ.

14. Нейронные сети.

15. Поиск закономерностей в массивах данных.

16. Методы визуализации данных.

17. Программное обеспечение для статистической обработки данных.

18. Программное обеспечение для визуализации данных.

19. Обработка материалов пробных площадей.

20. Этапы формирования статистики как науки.