3. Объѐм дисциплины и виды учебной работы
|
|
|
|
|
|
|
|
|
|
|
Таблица 1 |
||
|
|
|
|
Трудоемкость |
|
Семестр |
|||||||
|
|
Виды учебной работы |
|
всего |
|
в зачетных |
|
|
|
I |
|||
|
|
|
|
часов |
|
единицах |
|
|
|
|
|||
Общая трудоемкость работы |
|
108 |
|
3 |
|
|
|
108 |
|||||
Аудиторные занятия |
|
10 |
|
0,3 |
|
|
|
10 |
|||||
Лекции (Л) |
|
2 |
|
|
0,05 |
|
|
|
2 |
||||
Практические занятия (ПЗ) |
|
8 |
|
|
0,2 |
|
|
|
8 |
||||
Лабораторные работы (ЛР) |
|
- |
|
|
- |
|
|
|
- |
||||
Семинары (С) |
|
- |
|
|
- |
|
|
|
- |
||||
Занятия, проводимые в интерактивной |
|
2 |
|
|
0,05 |
|
|
|
2 |
||||
форме |
|
|
|
|
|
|
|
|
|
|
|
|
|
Самостоятельная работа (Сам) |
|
89 |
|
2,5 |
|
|
|
89 |
|||||
Контроль самостоятельной работы |
|
- |
|
|
- |
|
|
|
- |
||||
(КСР) |
|
|
|
|
|
|
|
|
|
|
|
|
|
Курсовой проект (работа) |
|
- |
|
|
- |
|
|
|
- |
||||
РГР (ГАР, РАР) |
|
- |
|
|
- |
|
|
|
- |
||||
Реферат |
|
- |
|
|
- |
|
|
|
- |
||||
Вид итогового контроля (зачѐт, |
|
* |
|
|
* |
|
|
|
экзамен |
||||
экзамен) |
|
|
|
|
|
|
|
|
|
|
|
||
|
|
4 СОДЕРЖАНИЕ ДИСЦИПЛИНЫ |
|
|
|
|
|||||||
|
4.1 Разделы дисциплины и виды занятий |
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
Таблица 2 |
||
№ |
|
Разделы дисциплин |
|
Лекции |
ЛР |
|
ПЗ |
|
Сам |
||||
п/п |
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
2 |
|
|
|
3 |
|
4 |
|
5 |
|
8 |
|
1 |
|
ВВЕДЕНИЕ. Описательная статистика на |
|
|
|
|
|
|
|
|
|
||
|
ЭВМ. |
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
Предмет дисциплины. Значение |
|
|
|
|
|
|
|
|
|
|
|
|
|
математического моделирования в научном |
|
1 |
|
- |
|
- |
|
10 |
|||
|
|
познании процессов, протекающих в |
|
|
|
|
|
||||||
1.1 |
|
|
|
|
|
|
|
|
|
|
|
||
|
биологии, в лесу. Базовые термины |
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
математической статистики и анализа |
|
|
|
|
|
|
|
|
|
|
|
|
|
данных. |
|
|
|
|
|
|
|
|
|
|
|
|
|
Описательная статистика с применением |
|
|
|
|
|
|
|
|
|
|
|
1.2 |
|
различных компьютерных программ: MS |
|
|
1 |
|
- |
|
2 |
|
10 |
||
|
|
Excel, Stadia, Statistica. |
|
|
|
|
|
|
|
|
|
|
|
2 |
|
Основные понятия и определения теории |
|
|
|
|
|
|
|
|
|
||
|
вероятностей |
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
||
2.1 |
Случайная величина и вероятность события. |
|
|
|
|
|
|
|
|
|
|||
|
|
Законы распределения случайных величин: |
|
- |
|
- |
|
- |
|
20 |
|||
2.2 |
|
биномиальное, Пуассона, нормальное. |
|
|
|
|
|
|
|
|
|
|
|
|
Моделирование рядов распределений на |
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
ЭВМ. |
|
|
|
|
|
|
|
|
|
|
|
6
3 |
Методы научных исследований. |
|
|
|
|
|
Этапы исследования. Метод наблюдений. |
|
|
|
|
3.1 |
Метод эксперимента. Этапы проведения |
|
|
|
|
|
научного эксперимента. |
|
|
|
|
|
Планирование эксперимента. Условия |
- |
- |
- |
20 |
|
выбора необходимого числа |
|
|
|
|
3.2 |
экспериментальных объектов. Модель |
|
|
|
|
|
типичного научного эксперимента в лесном |
|
|
|
|
|
деле. Проверка статистических гипотез. |
|
|
|
|
4 |
Анализ данных. Аналитическая |
|
|
|
|
статистика. |
|
|
|
|
|
|
|
|
|
|
|
|
Этапы анализа данных. Представление |
|
|
|
|
4.1 данных в наглядной форме. Виды измерений. |
|
|
|
|
|
|
Шкалирование. |
|
|
|
|
|
Обзор программного обеспечения для |
|
|
|
|
|
статистического анализа данных. |
- |
- |
6 |
29 |
|
Корреляционный анализ на ЭВМ. |
||||
4.2 |
|
|
|
|
|
Регрессионный анализ. Анализ временных |
|
|
|
|
|
|
|
|
|
|
|
|
рядов. Однофакторный дисперсионный |
|
|
|
|
|
анализ. Кластерный анализ. |
|
|
|
|
|
Математическое моделирование динамики |
|
|
|
|
4.3 состава насаждений. Моделирование хода |
|
|
|
|
|
|
роста модальных древостоев. |
|
|
|
|
|
ИТОГО часов |
2 |
- |
8 |
89 |
|
ИТОГО зачѐтных единиц |
0,05 |
- |
0,2 |
2,5 |
4.2 Содержание разделов дисциплины Раздел 1. ВВЕДЕНИЕ. Описательная статистика на ЭВМ.
Предмет дисциплины. Значение математического моделирования в научном познании процессов, протекающих в биологии, в лесу. Базовые термины математической статистики и анализа данных. Связь с другими дисциплинами. Описательная статистика с применением различных компьютерных программ: MS Excel, Stadia, Statistica.
Раздел 2. Основные понятия теории вероятностей.
Случайная величина и вероятность события. Законы распределения случайных величин: биномиальное, Пуассона, нормальное. Моделирование рядов распределений на ЭВМ.
Раздел 3. Методы научных исследований Этапы исследования. Метод наблюдений. Метод эксперимента. Этапы
проведения научного эксперимента. Планирование эксперимента. Условия выбора необходимого числа экспериментальных объектов. Модель
7
типичного научного эксперимента в лесном деле. Проверка статистических гипотез.
Раздел 4. Анализ данных. Аналитическая статистика.
Этапы анализа данных. Представление данных в наглядной форме. Виды измерений. Шкалирование. Обзор программного обеспечения для статистического анализа данных. Корреляционный анализ на ЭВМ. Регрессионный анализ. Анализ временных рядов. Однофакторный дисперсионный анализ. Кластерный анализ. Математическое моделирование динамики состава насаждений. Моделирование хода роста модальных древостоев.
4.3. Перечень занятий, проводимых в интерактивной форме
|
|
Таблица 3 |
|
|
|
|
|
№ |
Тема занятия |
Форма проведения |
|
п/п |
|
|
|
|
|
|
|
1 |
2 |
3 |
|
|
|
|
|
1 |
Значение математического моделирования в |
Проблемная лекция |
|
|
научном познании процессов, протекающих |
|
|
|
в биологии, в лесу (2 часа). |
|
|
|
|
|
|
5. Лабораторный практикум, практические или семинарские занятия
5.1. Лабораторный практикум
Таблица 4
№ |
Раздел |
Тема ЛР |
|
п/п |
дисциплины |
||
|
|||
1 |
2 |
3 |
|
|
|
Описательная статистика с применением различных |
|
1 |
Раздел 1 |
компьютерных программ: MS Excel, Stadia, Statistica. |
|
|
|
(2 часа) |
|
|
|
Корреляционный анализ на ЭВМ. Регрессионный |
|
5 |
Раздел 4 |
анализ. Анализ временных рядов. Однофакторный |
|
|
|
дисперсионный анализ. Кластерный анализ. (6 часов) |
8
6. Учебно-методическое обеспечение дисциплины
6.1. Библиографический список Основная литература
1. Смольянов, А. Н., Мироненко А.В. Математическое методы [Текст] : текст лекций / А. Н. Смольянов, А.В. Мироненко ; ВГЛТА. – Воронеж, 2013.
– 140 с. Электронная версия в ЭБС ВГЛТА.
Дополнительная литература
2. Сериков М.Т. Основы математического моделирования в лесоустройстве [Текст]: Учеб. пособие / М. Т. Сериков. – Фед. агентство по образованию, Гос. образовательное учреждение высш. проф. образования, Воронеж. гос. лесотехн. акад. – Воронеж, 2005. – 119 с.
6.2.Перечень ресурсов информационно-телекоммуникационной сети «Интернет»
1.Официальный сайт разработчика статистического пакета STATISTICA: http://www.statsoft.ru/products/STATISTICA_Base/.
2.Самоучитель по пакету STATISTICA: http://www.biometrica.tomsk.ru/Statistica_6.htm
3.Ресурс для скачивания бесплатной версии программы STADIA: http://protein.bio.msu.ru/~akula/Podr2~1.htm.
4.Сайт разработчика статистического пакета STATISTICA: http://www.statsoft.ru/
6.3.Перечень информационных технологий и средств обеспечения освоения дисциплины
При изучении дисциплины используются:
-программные средства приобретѐнные и специально разработанные;
-мультимедийные презентации по разделам дисциплины, иллюстрирующие алгоритмы математических расчѐтов;
-уровень усвоения дисциплины определяется на основе модульнорейтинговой системы оценки знаний студентов;
-для итогового контроля разработан банк тестовых заданий, состоящий из вопросов и задач по разделам дисциплины.
9
7. Материально–техническое обеспечение дисциплины
При изучении данной дисциплины используется компьютерный класс (аудитория № 306) кафедры лесоводства, лесной таксации и лесоустройства, оборудованный интерактивной доской для демонстрации возможностей компьютерных программ, а также для демонстрации презентаций и обучающих видеороликов на лекциях.
8. Методические рекомендации по организации изучения дисциплины
8.1. Самостоятельная работа студентов
Значительная часть разделов дисциплины, а также лабораторные работы требуют дополнительного времени с целью более глубокого знакомства с материалами, которые имеются в научно-методической и справочно-нормативной литературе, а также в учебниках и учебных пособиях. Поэтому ряд вопросов в дополнение к аудиторному освоению выносится для самостоятельного изучения, а также проводится самостоятельная работа в компьютерном классе по выполнению расчѐтов на ЭВМ.
|
|
Таблица 5 |
|
№ |
Тема самостоятельной работы |
Номер источника |
|
п/п |
|||
|
|
||
1 |
2 |
3 |
|
1 |
Методы математических исследований. |
1 осн. |
|
2 |
Понятие случайного события. Подсчет |
1 осн. |
|
вероятностей сложных событий. |
|||
|
|
||
|
Биномиальное, нормальное, |
|
|
3 |
асимметричное распределение. |
1 осн. |
|
Треугольник Паскаля. Распределение |
|||
|
|
||
|
редких событий Пирсона. |
|
|
|
Основные показатели вариационного ряда. |
|
|
4 |
Мера изменчивости. Показатели |
1 осн. |
|
асимметрии вариационного ряда. Момент |
|||
|
|
||
|
статистических величин. |
|
|
|
Проверка статистических гипотез. |
|
|
5 |
Границы генеральной совокупности. |
1 осн. |
|
Критерии х2, t – Стьюдента. Определение |
|||
|
объема выборки. |
|
|
|
Корреляция. Множественная корреляция |
|
|
6 |
частная корреляция. Методы оценок |
1 осн. |
|
|
парных связей. Достоверность. |
|
|
|
Регрессионный анализ. Значимость |
|
|
7 |
коэффициентов. Ошибки и достоверность. |
1 осн. |
|
Дисперсионный анализ. Метод разделения |
|||
|
|
||
|
дисперсий. Критерии Фишера. |
|
10