Раздел 2. Место дисциплины в структуре ООП

Дисциплина «Элементы математической статистики в рекламе и СО» относится к гуманитарному, социальному и экономическому циклу дисциплин, базовая часть.

Дисциплина служит основой для освоения дисциплин гуманитарного, социального и экономического цикла и опирается на курс истории, философии, психологии, основы социального государства и гражданского общества.

В таблице приведены последующие дисциплины, направленные на формирование компетенций, заявленных в разделе «Цели освоения дисциплины»:

 

№ п/п	Наименование компетенции	Последующие дисциплины (группы дисциплин)
Общекультурные компетенции
1. 2. 3.	ОК-1 ОК-9 ОК-11	Социология, основы естествознания, основы конфликтологии
Последующие дисциплины (группы дисциплин)
5.	ПК-4 ПК-11	Социология общества потребления
6.

 

 

Раздел 3. КОМПЕТЕНЦИИ ОБУЧАЮЩЕЕОСЯ, ФОРМИРУЕМЫЕ В РЕЗУЛЬТАТЕ ОСВОЕНИЯ ДИСЦИПЛИНЫ (МОДУЛЯ)

(матрица распределения компетенций по разделам и темам дисциплины)

Темы, разделы дисциплины	Количество часов	ОК-1	ОК-9	ОК-11	ПК-4	ПК-11	Общее количество компетенций
1.Математическая статистика как наука		+	+	+	+	+
2. Методы сбора данных в социологии		+	+	+	+	+
3. Одномерное и многомерное шкалирование		+	+	+	+	+
4.Статистическая обработка данных социологического исследования		+	+	+	+	+
5. Кластерный анализ		+	+	+	+	+
6. Факторный анализ		+	+	+	+	+
7. Метод главных компонент		+	+	+	+	+
8.Дискриминантный анализ		+	+	+	+	+
9. Представление данных социологических исследований		+	+	+	+	+

 

Раздел 4. Описание образовательных технологий.

Основными стратегическими образовательными технологиями являются лекционные, семинарские занятия, самообучение, проводимые в следующих формах: лекция классическая (ЛК), лекция проблемная (ЛПб), лекция визуализация (ЛВ), семинар-дискуссия (СД), аудиторно-практическое занятие классическое (АПРК), практикум классический (ПМК), практикум творческий (ПТ), практическое занятие игровое (Пиг), самообучение (СОб). При организации указанных форм учебных занятий применяются активные и интерактивные формы обучения: диалог, собеседование, представление презентаций с применением ноутбука и проектора, игровые и творческие занятия.

Раздел 5. Содержание дисциплины:

 

5.1. Аннотация из Примерной основной образовательной программы:

Не имеется.

Общий план изучения дисциплины

№ п/п	Наименование разделов дисциплины	Виды учебной работы и их трудоемкость (кол. часов)	Технологии
Лекции	Семинары	СРС	Всего
1	2	3	4	5	6	7
	Раздел 1.Математическая статистика как наука					ЛК, ЛПб, ЛВ, СД, АПРК, ПМК, ПТ, Пиг, СОб*
	Раздел 2. Методы сбора данных в социологии					ЛК, ЛПб, ЛВ, СД, АПРК, ПМК, ПТ, Пиг, СОб
	Раздел 3. Одномерное и многомерное шкалирование					ЛК, ЛПб, ЛВ, СД, АПРК, ПМК, ПТ, Пиг, СОб
	Раздел 4.Статистическая обработка данных социологического исследования					ЛК, ЛПб, ЛВ, СД, АПРК, ПМК, ПТ, Пиг, СОб
	Раздел 5. Кластерный анализ					ЛК, ЛПб, ЛВ, СД, АПРК, ПМК, ПТ, Пиг, СОб
	Раздел 6. Факторный анализ					ЛК, ЛПб, ЛВ, СД, АПРК, ПМК, ПТ, Пиг, СОб
	Раздел 7. Метод главных компонент					ЛК, ЛПб, ЛВ, СД, АПРК, ПМК, ПТ, Пиг, СОб
	Раздел 8.Дискриминантный анализ					ЛК, ЛПб, ЛВ, СД, АПРК, ПМК, ПТ, Пиг, СОб
	Раздел 9. Представление данных социологических исследований					ЛК, ЛПб, ЛВ, СД, АПРК, ПМК, ПТ, Пиг, СОб
Итого

* Обозначения технологий: ЛК - лекция классическая, ЛПб – лекция проблемная, ЛВ – лекция визуализация, СД – семинар-дискуссия, АПРК – аудиторно-практическое занятие классическое, ПМК – практикум классический, ПТ – практикум творческий, Пиг – практическое занятие игровое, СОб – самообучение.

Краткое содержание лекций

№	Краткое содержание лекций	К-во
1.	Математическая статистика как наука, разрабатывающая математические методы систематизации и использования статистических данных для научных и практических выводов. Описательная статистика, теория оценивания и теория проверки гипотез. Проведение выборочных обследований, со свойствами различных схем организации выборок и построением адекватных методов оценивания и проверки гипотез. Структура математической статистики. Методы построения (кластер-анализ), анализа и использования (дискриминантный анализ) классификаций (типологий). Функцииматематической статистики: анализ данных; упорядочение и систематизация данных; Наглядное представление данных в виде схем, таблиц, графиков, гистограмм, моделей.
2.	Выборочный метод в математической статистике, основывающийся на законе больших чисел. Сущность выборочного метода: построение математической модели, применимой для прикладных целей. Выборка, генеральная и выборочная совокупности. Основные критерии и способы проведения выборки. Случайная, вероятностная и целевая выборки. Выборочная совокупность. Репрезентативность (представительность) выборки. Основные характеристики параметров генеральной и выборочной совокупности. Ошибка выборки.
3.	Измерение данных социологических исследований как приписывание числовых форм социальным объектам или событиям в соответствии с определенными правилами.Измерение какконструирование любой функции, которая изоморфно отображает эмпирическую структуру в символическую структуру. Шкала как измерительный инструмент. Метрические и неметирические шкалы. Типы шкал: номинативная (номинальная), порядковая(ранговая) интервальная (шкала равных интервалов), шкала равных отношений.Р.Б.Кеттелл - шкала стенов, «стандартной десятки».
4.	Понятие, структура и основные этапы обработки материалов социологического исследования. Редактирование и кодирование информации. Перенос данных на машинные носители. Ввод данных в ЭВМ. Проверка качества данных и коррекция ошибок. Создание переменных. Статистический анализ. Первый этап: разработка логическая схема обработки и анализа получаемых данных. Второй этап: разработка математического обеспечения и программ для обработки материалов исследования. Третий этап: подготовка данных первичной социологической информации к обработке. Четвертый этап. Обработка информации (расчет средних величин, установление корреляционных связей, составление группировок, таблиц, графиков).
5.	Кластерный анализ как многомерная математическая процедура, методика, техника, при помощи которых производится группировка объектов или людей со сходными характеристиками. Кластер как группа элементов, характеризуемых общим свойством. Основные задачи кластерного анализа: разработка типологии или классификации; исследование полезных концептуальных схем группирования объектов; порождение гипотез на основе исследования данных. Цели кластеризации: сжатие данных и обнаружение новизны. Иерархическая кластеризация.
6.	Факторный анализкак многомерный метод, применяемый для изучения взаимосвязей между значениями переменных. Этимология и происхождение факторного анализа. Задачи и возможности факторного анализа. Всестороннее и компактное описание объекта измерения. Основные цели факторного анализа: определение взаимосвязей между переменными (классификация переменных) и сокращение числа переменных необходимых для описания данных. Разведочный и конфирматорный факторный анализ. Фактор и нагрузка как основные понятия факторного анализа. Основные условия проведения факторного анализа.
7.	Метод главных компонент как один из основных способов уменьшения размерности данных с потерей наименьшего количества информации. Основные задачи метода главных компонент: аппроксимация данных линейными многообразиями меньшей размерности; нахождение подпространства меньшей размерности, в ортогональной проекции на которые разброс данных максимален; обнаружение подпространства меньшей размерности, в ортогональной проекции на которые среднеквадратичное расстояние между точками максимально; ортогональное преобразование координат с целью обращения корреляции между отдельными координатами обратятся в ноль.Аппроксимация (приближение) как научный метод замены одних объектов другими, близкими к исходным, но более простыми.
8.	Дискриминантный анализкак группа методов многомерной статистики, предназначенных для описания различий между классами и классификации объектов, не входивших в первоначальную выборку. Канонические дискриминантные функции. Стандартизированные и нестандартизированные коэффициенты канонических функций. Базовые принципы и порядок проведения дискриминантного анализа. Основные требования к применению дискриминантного анализа. Эвристический потенциал дискриминантного анализа данных социологических исследований.
9.	Таблица как перечень сведений, цифровых данных, расположенных по графам в определенном порядке. Таблицы как способ упорядочения данных социологических исследования. График - диаграмма, чертеж и т.п., изображающие с помощью линий количественные показатели развития или состояния какого-либо объекта. Использование графиков для наглядного представления течения социальных процессов. Гистограммакак способ графического представления табличных данных. Схема как графическое представление определения, анализа или метода решения задачи, в котором используются символы для отображения операций, данных, потока, оборудования и т. д. Блок-схема как тип схем, описывающих алгоритмы или процессы, в которых отдельные шаги изображаются в виде блоков различной формы, соединенных между собой линиями, указывающими направление последовательности. Математическое моделирование в социологических исследованиях.
	Итого:

 

Краткое содержание семинарских занятий

 

1.	Описательная статистика как совокупность эмпирических методов, используемых для визуализации и интерпретации данных (расчет выборочных характеристик, таблицы, диаграммы, графики и т. д.). Методы оценивания и проверки гипотез, опирающиеся на вероятностные модели происхождения данных. Параметрические и непараметрические модели происхождения данных. Общая теория проверки гипотез и методы проверки конкретных гипотез.
2.	Основные способы организации и проведения выборки: простой случайный отбор; простой отбор с помощью регулярной процедуры; стратифицированный отбор; серийный отбор; комбинированный (ступенчатый).Виды отбора: индивидуальный, групповой и комбинированный. Метод отбора: повторная и бесповторная выборка. Ошибка выборочного наблюдения как разность между значением параметра в генеральной совокупности и ее выборочным значением. Калькулятор расчета ошибки и размера выборки (для случайной выборки).
3.	Шкалирование как способ измерения данных социологических исследований. Основные виды измерительных шкал, методика и техника их применения. Дихотомическая классификация как разновидность шкалы наименований («0» и «1»).Шкала разностей, не имеющая естественного нуля, но имеющая естественную масштабную единицу измерения.Абсолютная шкала, обладающая естественной единицей измерения. Многомерные шкалы. Шкальные преобразования: повышение мощности шкалы и понижение мощности шкалы.
4.	Методанализа данных социологического исследования как способ построения и обоснования социологического знания, совокупность приемов, процедур и операций эмпирического и теоретического познания социальной реальности. Метод группировок. Статистическая группировка как объединение единиц совокупности в некоторые группы. Основные виды группировок и критерии их образования. Операционализация понятий как способ и процедура приведения их к измеряемому виду и превращение его в переменную.
5.	Понятие и основные функции кластерного анализа. Основные методы кластеризации: вероятностный, дискриминантный, логический, теоретико-графовый, иерархические и другие. Метод Уорда как способ анализа социологических данных. Дендрограмма («сосульчатая диаграмма») как результат кластерного анализа. Основные методы проверки устойчивости типологии, произведенной с помощью кластерного анализа..
6.	Факторный анализ как многомерная методика обработки социологических данных. Порядок выполнения факторного анализа: стандартизация заданных значений переменных, расчет корреляционных коэффициентов Пирсона между рассматриваемыми переменными, составление корреляционной матрицы, расчеткоэффициентов корреляции между соответствующими переменными и факторами, присвоение факторных значений. Основные методы факторного анализа: метод главных компонент, корреляционный анализ, метод максимального правдоподобия.Методика проведения факторного анализа: получение матрицы корреляций, в которой каждая переменная в совокупности данных соотнесена с другими; извлечение факторов с целью определения минимального их числа для адекватного объяснения наблюдаемых корреляций между первоначальными переменными; установление более простых и легче интерпретируемых факторов, так называемое «вращение факторов»; при получении удовлетворительной модели, вычисление значения коэффициентов для всякого фактора каждого случая в совокупности данных.
7.	Понятие и эвристические возможности метода главных компонент в обработке данных социологических исследований. Дискуссия о границах применимости метода главных компонент. Визуализация данных как способ наглядного представления результатов применения метода главных компонент. Применения метода главных компонент в социально-гуманитарных отраслях научного знания.
8.	Понятие и последовательность выполнения дискриминантного анализа данных социологических исследований. Основные методы дискриминационного анализа: линейный дискриминант Фишера, канонический дискриминационный анализ, кластерный анализ, логистическая регрессия, дерево решений. Логистическая регрессия или логит-регрессия (англ. logit model) как статистическая модель предсказания вероятности возникновения какого-либо события посредством подгононки данных к логистической кривой.
9.	Понятие, основные виды и способы построения таблиц в социологических исследованиях. График как наглядный показатель тенденций и перспектив развития социальных процессов. Понятие и основные виды гистограмм. Схемы и блок-схемы как наглядные способы представления социальных процессов и взаимосвязей между ними. Математические модели социальных явлений и процессов, их иллюстративные возможности и порядок построения.
	Итого:

 

Наименование и краткое содержание тем лабораторных занятий.

Учебным планом не предусмотрены.

5.6 Расчетно-графические работы, тематика и сроки выполнения (другой вид заданий по курсу, кроме курсовых проектов и курсовых работ). Учебным планом не предусмотрены.

Курсовой проект (работа)

Учебным планом не предусмотрена.