Преподавател(и):

проф. Димитър Атанасов  д-р

Описание на курса:

Компетенции:

Успешно завършилите курса студенти:

1) знаят:

• терминологията, която се използва от статистиката;

• основните теоретични положения на статистическия подход при събирането, анализа, представянето и интерпретацията на данни от експериментални и неекспериментални емпирични проучвания.

2) могат:

• да разпознават практическите ситуации, в които статистическите методи биха били полезни и уместни;

• да се ориентират в научната литература, която използва методите на статистиката, да разпознават ситуациите, в които тези методи са корекнто или некоректно използвани.

Предварителни изисквания:
За успешното усвояване на маретиала от курса са необходими базови знания от училищния курс по математика (общи понятия като функция, променлива, права, уравнение, координатна система, вектори).

Форми на провеждане:
Редовен

Учебни форми:
Лекция

Език, на който се води курса:
Български

Теми, които се разглеждат в курса:

1. Въведение
2. Измерване и скала
3. Описателни характеристики. Извадкови характеристики.
4. Вероятност и пропорция.
5. Извадково разпределение. Пропорции. Графично представяне на данните.
6. Текущо оценяване
7. Условна вероятност и рационален извод.
8. Бейсов подход при моделирането на данни.
9. Разпределение на данните.
10. Често срещани разпределения. Приложение в емпиричните изследвания.
11. Популационни характеристики.
12. Текущо оценяване.
13. Корелационни коефициенти. Пресмятане и интерпретация.
14. Съответствие между популационни и извадкови характеристики.
15. Стандартизирани стойности. Трансформация.
16. Оценки. Видове оценки на параметри и техните характеристики.
17. Оценяване на популационни параметри. Интерпретация.
18. Статистическа хипотеза.
19. Статистически тестове. t-test. F-test. KS-test
20. Доверителни интервали.
21. Текущо оценяване.
22. Доверителни интервали за нормално разпределени данни.
23. Регресия и прогнозиране.
24. Приложение на регресията в психологията.
25. Структурни латентни модели.
26. Латентни модели в психологията.
27. Сравняване на популации.
28. Изследване на междугрупови различия.
29. Текущо оценяване
30. Структурно моделиране.

Литература по темите:

[1] Kevin P. Murphy. Machine Learning: A Probabilistic Perspective. Massachusetts Institute of Technology, 2012.

[2] Жозеф Теллалян Димитър Дамгалиев. Бизнесстатистика. Number 311 / Д 151. София: Нов български университет, 2006.

[3] Ramakant Khazanie. Elementary statistics in a world of applications. Number 51 / K 42. Glenview: Scott, Foresman/Little, Brown Higher Education, 1990.

[4] Р. Брук Лий Бари Коен. Основи на статистиката за социалните и поведенческите науки. Number 311 / К 739. София: Изток-Запад, 2013.

[5] Daniel B. Wright. Understanding statistics : an introduction for the social sciences. Number 311 / W 88. London: Thousand Oaks: Sage Publications, 1997.

[6] James R. Lackritz Debra Olson Oltman. Statistics for business and economics. Number 311 / O-50. Pacific Grove: Brooks, 1990.

[7] Paul Newbold. Statistic for business and economics. Number 311 / N 52. Englewood Cliffs: Prentice Hall, 1984.

[8] Michael Kutner John Neter, William Wasserman. Applied linear statistical models : Regression, analysis of variance and experimental designs. Number 311 / N 46. Homewood: Irwin, 1985.

[9] Harold O. Kiess. Statistical concepts for the behavioral sciences. Number 311 / K 43. Boston: Allyn and Bacon, 1989.

[10] David Freedman. Statistical models : theory and practice. Number 311 / F 88. New York: Cambridge University Press, 2005.

[11] Николай Янев Боян Димитров. Вероятности и статистика. Number 51 / Д 579. София: Софтех, 2007.

[12] Kenneth M. Rosenberg. Statistics for behavioral sciences. Number 311 / R 79. Dubuque: Wm. C. Brown, 1990.

[13] Frank H. Dietrich James T. McClave. Statistics. Number 311 / M 44. San Francisco: Dellen Pub. Co., London : Collier Macmillan, 1988.

[14] Jr. Frank E. Harrell. Regression Modeling Strategies: With Applications to Linear Models, Logistic and Ordinal Regression, and Survival Analysis. Heidelberg et al.: Springer, 2015.

[15] Ronald J. Wonnacott Thomas H. Wonnacott. Introductory statistics for business and economics. Number 311 / 71789. New York: Wiley, 1990.

[16] Barbara M. Beaver William Mendenhall, Robert J. Beaver. Introduction to probability and statistics. Number 51 / M 55. Pacific Grove: Duxbury Press, 1999.

[17] Audrey Haber Richard P. Runyon. Business statistics. Number 311 / 71793. Homewood: R.D. Irwin, 1982.

[18] Robert D. Mason Douglas A. Lind. Basic statistics for business and economics. Number 311 / L 75. Burr Ridge: Irwin, 1994.

[19] Woolcott Smith Larry Gonick. The Cartoon Guide to Statistics. Harper Perennial, 1993.

[20] Paul Watters Sarah Boslaugh. Statistics in a Nutshell. O’Reilly Media, Inc., 2008.

[21] Kathy Chu. Elementary Statistics. Rice University, Houston, Texas, http://cnx.org/content/col10966/1.4/, 2013.

[22] Кр. Калинов. Статистически методи в поведенцеските и социални- те науки. NBU, 2013.

Средства за оценяване:

Оценяването се базира на 4 теста и 4 домашни работи, които се провеждат през двата семестъра.

Тестовете се извършват на обявените дати (шестата и дванадесетата сед- мица на всеки семестър). Не се допуска явяване на други дати. Оценяват се по шестобалната система.

Домашните работи се предават в определения срок. Не се допуска до- пълнително предаване. Оценяват се с ДА/НЕ. Оценка ДА се поставя ако студентът е изпълнил на 50% от заданието. Домашна работа N се състои от 2N задачи. Оценката да домашните работи не се базира върху получените числени резултати, а върху надлежните обяснения и изводи, съпътстващи решението. Ободновката на съответното решение трябва да следва методо- логията и терминологията, представени в курса.

Оценяването може да се извърши по два начина:

1. Чрез текущ контрол.

2. Чрез финален изпит.

Оценката от текущо оценяване се определя като средна аритметична от

оценките на 3-те теста с най-висок резултат. Ако студентът има пропуснат един тест, за оценка на съответния тест се взима 2. Ако е пропуснат повече от един тест студентът се явява на финален изпит.

Финалният изпит се състои от две части - писмено и устно изложение. Студентите трябва да се подготвят по една от темите разгледани в курса (или една глава, след 5, от учебника на проф. Кр. Калинов, "Статистически методи в поведенцеските и социалните науки"). Да представят в писмен вид, това което са разбрали. По време на изпита ще им бъдат зададени въпроси (4) с цел да се установи степента на разбиране на материала.

Ако студентът има успешно представени (оценени с ДА) поне 3 домашни работи оцнеката му се завишава с 1.