Статистика математическая и экономическая.Что за зверь?

[eugrita]

Хотелось бы затронуть вопрос и обсудить одно из наиболее неоднозначно понимаемых направлений
математики - математическую статистику или эконометрику. или вообще статистику.
На мой (да и других) взгляд у нас часто этими словами фактически прикрывают очень разные научные и образовательные течения.Для более конкретного разговора сравним 2 программы
1)курса матем.статистики Севостьянова, читаемого на мехмат МГУ в 1974 г.и позже отд.математики
и курс статистики экономистов в РУДН (на прим. книги Гореева, Демидова, и др.., Статистика) - преподаватели РУДН-авторы этой книги.
Содержание курса матем.статистики Севостьянова
1)понятин о проверке статистических гипотез, ошибки 1 и 2 рода
Теорема Неймана-Пирсона
2)Доверительные интервалы, распределение хи-квадрат, тау-распределение Стьюдента их квантили
Оценка матожидания и дисперсии
Схема Бернулли
3)Статистические оценки параметров.Неравенство Рао-Крамера,
эффективность, асимптотическая эффективность оценок
Метод моментов и метод наибольшего правдоподобия
4)Непараметрические методы статистики.
Критерии Колмогорова и Смирнова.Критерий хи-квадрат Пирсона
--------------------------------------------------------------------
Содержание курса статистики экономистов в РУДН
(на примере книги Гореева, Демидова, и др.., Статистика, Эксмо,2010)
1.Предмет, метод, задачи.
Основные понятия статистики, закон больших чисел.
Организация системы государственной статистики.

2-3. Понятие статистического наблюдения, организационные формы и виды
Статистическая сводка, ее содержание.
Группировка и ее виды.Статистические ряды распределения, их виды

4.Абсолютные и относительные величины. Их виды, способы расчета и формы выражения.
Условия сопоставимости абсолютных и относительных величин

5.Средние величины. Виды, способы расчета, структурные средние.

6.Статист.изучение вариации.
показатели вариации, дисперсия альтернативного признака, законы сложения(разложения) вариации, дисперсии
коэф.детерминации, эмпирическое корреляционное отношение

7.Выборочное наблюдение.
Характеристики генеральн и выборочн совокупности.Ошибки выборочного наблюдения и определ.необх.численности выборки
Способы распостранения выборочных данных на генеральн.совокупность
Малые выборки, их особенности

8.Индексы.Классификация. Индивидуальные, общие инд.
Агрегатный имндекс - как основная форма общего индекса. Средние индексы. Индексы средних уровней качественных
показателей. Цепные и базисные индексы.

9.Ряды динамики.Виды, абсолютные и относительные показатели рядов динамики.
Средние показатели. Методы выявления тенденции. Индексы сезонности.

10.Стат.изучение взаимосвязей соц-экономических явлений
Измерение тесноты связей между качественными (атрибутивными) признаками и количественными (варьирующими)признаками
Регрессионный анализ. Корреляционный анализ
-----------------------------------------------------
Что мы видим даже при поверхностном сопоставлении? Содержание 2 курса более конкретно, неизмеримо шире.
а)Имеется раздел не имеющий никаких аналогов в приведенном да и других известных мне курсах мат.статистики - это индексный метод.
б)есть хотя бы краткое знакомство с основными методами статистики-эконометрики - регрессионным и корреляционным анализом.
(хотя нет упоминания о таких разделах как компонентный анализ , кластерный анализ (распознавание образов), последовательный анализ (по Вальду) дисперсионный анализ)
Человек прошедший курс 2 видимо будет знаком с практическими приемами обработки данных, в том числе с MS Excel, получит язык на котором выражены понятия государственной статистики.
В то же время курс 1 делает акцент скорей на знакомство с математическими подходами, чем изложение конкретных результатов.
Математик изучивший курс, возможно придумает какую-нибудь новую оценку параметра, но будет ли это нужно на практике?
ВЫВОДЫ
Все мы не дети. И знаем что в настоящий момент имеется большой разброс разных курсов по разным вопросам математики в разных вузах. Ориентированных как на математиков, так и практиков-нематематиков.
Знаем мы также что достаточно фундаментальный курс эконометрики имеет объем несколько томов и сотен страниц.
И конечно такой курс в условиях ВУЗовского дефицита учебного времени поднять сложно.К этому следует добавить и разный подход авторов курса в отношении компьютерной обработки. Есть курсы(преподаватели), ориентирующие студента на решение большого количества малоемких задач, с целью обретения практических навыков и усвоения понятий. Есть скорее курсы компьютерной практики чем курсы по науке. Так можно большинство расчетных вопросов свести в MS Excel к объяснению принципа действия нескольких статистических функций типа Коррел(), надстройки Анализ.
Так же как и в математическом программировании нудное объяснение и решение задач по симплекс-методу свести к умению пользоваться надстройкой "Поиск решения" MS Excel. Не говоря уже о том ,что на западе да и у нас в некоторых местах предпочитают заниматься статистикой даже и не на Excel ,а на пакетах Statistica, SAS или GPSS

[eugrita]

кстати курс математической статистики часто любят особенно в технических ВУЗах объединять с курсом теории вероятностей. Наверное даже курс математической статистики Севастьянова можно было бы сделать более конкретным и прикладным включив в него например, основы теории выборочного контроля (по плану курса 2 это разделы 6,7)

[--mS--]

Что-то я не врубаюсь в смысл поднятой темы. Нам тут хотят заяснить, какой статистике учить будущих профессиональных математиков или где? Ну научит Борис Александрович экселем пользоваться математиков и готовые статистические методы использовать, а что вы и они будут делать, когда готовые методы кончатся и понадобятся новые - придумают? Нет, после курса из РУДН придумывалка работать не будет.

Тема ни о чём. Я уж не говорю о том, что люди, поверхностно изучившие чисто рецептурный курс, и воспользоваться-то обычно им не в состоянии, потому как не понимают, откуда что берётся.

[eugrita]

вопрос стоит так: для чего вообще в данный момент нужна статистика - если это объект развития, на перспективу, то да пусть ею как ученые занимаются математики. Если же статистика - это специальность, по которой в ведомствах есть куча данных и ждут рабочие руки чтобы обрабатывать, прогнозировать, давать аналитические обзоры, то пожалуй я на стороне РУДН при всем моем уважении к математикам и их труду. По банальной причине: математик пусть знающий методы но не знающий классификацию относительных величин динамики: ОВД,ОВП, ОВПЗ,ОВРП, ОВС и др. или скажем индексов каких нибудь Пааше,сезонности ,каких-нибудь индексов товарооборота не будет иметь общего языка с экономистами.Хотя этому ему научиться легко. Но....не научили!
Так же, впрочем как и хороший математик, но не умеющий скажем работать с пакетами "Математика", SAS не будет способен обрабатывать реальные данные а не придуманные задачки.
Я знал человека (сейчас это доктор наук, математик, работающий в обл.молекулярной биологии), окончивший мехмат, который откровенно признавался, что не понимает, например, почему скажем критерий хи-квадрат взят за основу проверки гипотезы о виде распределения (а например, не критерий Колмогорова)
Примерно так же как в большинстве ВУЗОВ (за исключением может где обучают математиков) молчаливо согласились давать формулы математики без вывода да и теоремы если дают- то конечно, тоже.Оно может и правильно-то - еще и в советское время большинство инженеров не замахивалось на самостоятельный вывод формул. Хорошим инженером считался тот, кто имел и мог пользоваться справочником Корна.

[Munin]

eugrita в сообщении #586210 писал(а):

для чего вообще в данный момент нужна статистика - если это объект развития, на перспективу... Если же статистика - это специальность, по которой в ведомствах есть куча данных и ждут рабочие руки чтобы обрабатывать, прогнозировать, давать аналитические обзоры...

Почему вы думаете, что это взаимоисключающие возможности? Обычно в науке как раз наоборот: достигнутые результаты востребованы и ипользуются практически, и в то же время служат основой для новых исследований.

[Yuri Gendelman]

Нпомню, что на английском математическая статистика - это Theoretical Statistics. Соотношение между математической статистикой и статистикой примерно такое же, как между теоретической физикой и физикой.

Основной предмет теории вероятностей - вероятностные пространства, вероятностные распределения и т.п. Предмет математической статистики - оценка параметров вероятностных распределений по конечным выборкам. Потому их, ТВ и МС, читают вместе, в одном курсе или в смежных.

Предмет статистики - решение практических задач методами математической статистики.

[Toucan]

Оффтопик о политехах и технических вузах удален.

[eugrita]

соглашусь с вами в этой классификации. Хочу только заметить что все же наиболее востребованы тогда области прикладной статистики (у нас еще бытует неофициальный термин "статистика для бухгалтеров, экономистов") как регрессионный и прочие виды анализа - т.е методы построения прогнозов.
А каковы по вашему области применения классической статистики? Я вот писал и сам когда-то немного занимался задачами выборочного контроля. Близко к ним - расчеты (теория надежности). Сейчас все это называют шире - управление качеством. Ну может действительно оценки параметров стандартных распределений, Вейбулла какого-нибудь. Ну кластерный анализ. Но это все-то что не читают студентом.
Или из области datamining

[statistonline]

eugrita в сообщении #586210 писал(а):

Я знал человека (сейчас это доктор наук, математик, работающий в обл.молекулярной биологии), окончивший мехмат, который откровенно признавался, что не понимает, например, почему скажем критерий хи-квадрат взят за основу проверки гипотезы о виде распределения (а например, не критерий Колмогорова)

Тогда это не очень хороший математик, раз он про состоятельность критериев ничего не знает. А тем более, раз работает в области молекулярной биологии, где data mining - это и есть площадка для математика (ну да, а чего математику еще там делать, в этой биологии? не модели же роста популяций создавать)