Статистика й економетрика на Python у викладанні й наукових дослідженнях

Зміст програми складається з 3 модулів та 7 взаємопов'язаних тем. На етапі завершення навчання за Програмою слухачі складають підсумковий тест із 20 запитань і здають на платформі підсумкову роботу з пояснювальною запискою; роботу оцінюють автоматизовано за критеріями, а переглядають і підтверджують оцінку спеціалісти IT-M Education; відгук слухач отримує на платформі. Максимальна кількість балів, яку можуть отримати учасники, — 100 балів. Прохідний бал — 60. Учасники, які успішно пройшли навчання, отримують сертифікат.

МОДУЛЬ 1. Статистика у викладанні й дослідженнях

Тема 1.1. Статистика й економетрика на Python у викладанні: від Excel і SPSS до відтворюваного аналізу

Результати навчання дисциплін «Статистика», «Економетрика», «Аналіз даних». Відтворюваний аналіз: код замість ручних кроків. Бібліотеки pandas, SciPy, statsmodels; запуск у браузері й у Jupyter. Відповідність модулів курсу освітнім компонентам.

Тема 1.2. Статистичний аналіз у наукових дослідженнях і кваліфікаційних роботах

Гіпотеза й план аналізу, розмір ефекту й довірчий інтервал замість лише p-значення, множинні порівняння й p-hacking, перевірка припущень регресії, звітування результатів. Типові помилки здобувачів.

 

МОДУЛЬ 2. Практичні заняття й оцінювання

Тема 2.1. Практичне заняття з автоматичною перевіркою коду: кейс, дані, хід пари

Пара на 80 хвилин навколо дослідницької задачі. Приклади коду, що запускаються в уроці, задачі з прихованими тестами — зараховується код, що працює на інших даних, пояснення помилок українською. Група викладача на освітній платформі: код групи, завдання з терміном, вікторина наживо, квиток на виході.

Тема 2.2. Оцінювання статистичних робіт, академічна доброчесність і ШІ

Критерії й рубрики: правильний метод, перевірка припущень, інтерпретація. Індивідуальні вибірки. Як чат-боти пишуть код statsmodels і де помиляються в інтерпретації; завдання, що перевіряють розуміння.

 

МОДУЛЬ 3. Практикум: задачі курсу «Статистика й економетрика на Python»

Тема 3.1. Ймовірність, розподіли, вибірки й центральна гранична теорема (модулі 1–3 курсу)

Ймовірність і симуляції, випадкові величини й розподіли, вибіркові розподіли й центральна гранична теорема. Задачі з автоматичною перевіркою коду.

Тема 3.2. Довірчі інтервали, перевірка гіпотез, A/B-тести (модулі 4–6 курсу)

Довірчі інтервали для середнього й частки, t-тести й критерій хі-квадрат, потужність і розмір вибірки, A/B-тести й експерименти. Задачі з автоматичною перевіркою коду.

Тема 3.3. Регресія, економетрика й часові ряди (модулі 7–9 курсу)

Кореляція й проста лінійна регресія, множинна регресія й діагностика, часові ряди й прогноз. Задачі з автоматичною перевіркою коду.

Після завершення навчання слухач уміє:

• обирати методи статистики й економетрики для результатів навчання дисциплін і відтворюваного аналізу на Python;
• застосовувати довірчі інтервали, перевірку гіпотез, A/B-тести, регресію й прогноз часових рядів у pandas, SciPy і statsmodels;
• інтерпретувати й звітувати результати статистичного аналізу в наукових і кваліфікаційних роботах: розмір ефекту, довірчий інтервал, перевірка припущень;
• проєктувати практичне заняття з автоматичною перевіркою коду на інших даних;
• оцінювати статистичні роботи студентів за критеріями й запобігати порушенням академічної доброчесності, зокрема під час використання ШІ.

Перелік компетентностей, що вдосконалюватимуться:

• предметна (фахова) компетентність: застосування методів статистики й економетрики та відтворюваного аналізу даних на Python у змісті освітніх компонентів економічних, соціальних і управлінських спеціальностей;
• цифрова компетентність: використання цифрових інструментів аналізу даних і освітньої платформи з автоматичною перевіркою практичних завдань;
• методична компетентність: проєктування практичних занять за результатами навчання освітньої програми;
• оцінювальна компетентність: оцінювання практичних робіт здобувачів за критеріями й забезпечення академічної доброчесності, зокрема під час використання штучного інтелекту.

Програма реалізується дистанційно протягом шести–восьми тижнів (пролонгована форма): теоретичні матеріали, тести й практичні завдання — асинхронно на освітній платформі IT-M Education, у зручний для слухача час, без синхронних занять; консультації — письмово через платформу. На час навчання слухачу відкривається курс «Статистика й економетрика на Python» (https://it- Перейти за покликанням Python 3.14 з бібліотеками pandas, SciPy і statsmodels запускається просто в браузері, без установлення програм; код задач перевіряється автоматично на інших даних, а помилки пояснюються українською. Доступ до матеріалів — 120 днів від початку навчання.