Статистика

Статистические идеи и инструменты используются практически во всех секторах занятости, включая банковское дело / финансы, правительство, медицинские исследования, фармацевтическую промышленность и интернет-компании.

Эта годичная очная программа обеспечивает отличную подготовку как по теоретической, так и по прикладной статистике, с достаточной гибкостью, позволяющей вам развивать собственные интересы специалиста.

Курс предоставит вам ряд статистических навыков, включая решение проблем, проектную работу и презентацию, которые позволят вам занять видные позиции в широком спектре работы и исследований.

Курс состоит из обязательных курсов, обеспечивающих всем студентам широкие знания и опыт в области базовых статистических навыков.

Вы также можете выбрать восемь факультативных курсов, которые обеспечивают глубину и доступ к разнообразному спектру статистических приложений. и методы. Это позволяет вам специализироваться в определенной области статистики.

Крупный проект дает возможность интенсивно работать над теоретическими или практическими задачами. Весь отдел статистики в рамках математического факультета участвует в управлении MSc. Это позволяет очень широкий выбор исследовательских проектов. Статистическая секция также имеет прочные связи с финансовым и промышленным секторами. Это означает, что некоторые проекты будут реализованы совместно с внешней партнерской организацией.

Основные курсы

M5MS01 Вероятность для статистики
Обзор аксиоматической теории вероятностей: вероятностные пространства, распределения и их характеристики [включая производящие функции], условные распределения.
Асимптотические теоремы и сходимость. Моды сходимости и стохастические порядки, сходимости преобразований, законы больших чисел, центральная предельная теорема, мартингалы.
Многомерное нормальное распределение. Гауссовские процессы.
Марковские цепи. Марковские процессы, классификация цепей, стационарные распределения, непрерывные марковские цепи.

M5MS02 Основы статистического вывода
Сравнение условных и безусловных силовых функций на примере весов. Подходы к выводу: байесовский, фишерианский, частый.
Теория решений: риск, критерии для правила принятия решений, минимаксные и байесовские правила, проблемы конечного решения.
Байесовские методы: фундаментальные элементы, выбор предшествующего, общая форма правил Байеса. Эмпирический байесовский, иерархическое моделирование. Прогнозирующие распределения, усадка и оценка Джеймса-Стейна.
Сокращение данных и специальные модели. Экспоненциальные семейства, модели преобразования. Достаточность и полнота. Обусловленность и вспомогательность.
Ключевые элементы теории частоты. Проверка гипотез: Неймана-Пирсона, равномерно наиболее мощные тесты, двусторонние тесты, условный вывод и сходство. Оптимальная оценка точки. Уверенность в себе.
Введение в теорию вероятностей. Асимптотические свойства оценок максимального правдоподобия, процедуры тестирования. Многопараметрические проблемы.

M5MS03 Прикладная статистика
Задача классификации двух классов с минимизацией ошибок границ решения из квадратичного дискриминантного анализа и k-ближайшего соседа.

Статистические модели и моделирование иллюстрируются реальными примерами.
Предварительная обработка данных.
Простая и множественная линейная регрессия. Модельная диагностика и итеративное моделирование. Обработка грязных данных, таких как пропущенные значения. Sparsity и Лассо.
Экспериментальный дизайн.
Обобщенные линейные модели: логистические, логарифмические.
Основные линейные модели временных рядов, например ARMA.
Многоуровневые модели и повторные измерения.
Классификация и дискриминация.

M5MS04 Вычислительная статистика
Иллюстрация фильтра частиц.
Статистические вычисления: R программирование: структуры данных, программные конструкции, объектная система, графика.
Численные методы: поиск корней, численное интегрирование, методы оптимизации, такие как алгоритмы EM-типа.
Моделирование: генерация случайных величин, интеграция Монте-Карло.
Подходы моделирования в выводе: процедуры рандомизации и перестановки, начальная загрузка, MCMC, последовательная фильтрация Монте-Карло / частиц.

Дополнительные курсы

M5MS05 Продвинутая статистическая теория
Тестирование множественных гипотез в проблеме геномного вывода (профессор Янг). Цель этого курса - дать представление о ключевых событиях в современной статистической теории, опираясь на идеи, разработанные в основном курсе «Основы статистического вывода». Причин для желающих расширить методы, обсуждаемые в этом курсе, несколько. Оптимальные процедуры вывода, описанные, скажем, теорией Неймана-Пирсона, могут быть применимы только в нереально простых статистических моделях. Распределительные аппроксимации, такие как те, которые обеспечиваются асимптотической теорией правдоподобия, могут быть признаны неадекватными, особенно когда они сталкиваются с небольшими выборками данных (которые часто возникают в различных областях, таких как физика элементарных частиц и анализ операционных потерь в финансовых системах). Может быть желательно разработать методы логического вывода общего назначения, такие как те, которые даны теорией правдоподобия, чтобы явно включать идеи соответствующей обусловленности. Во многих ситуациях, таких как биоинформатика, мы сталкиваемся с необходимостью одновременно проверять множество гипотез. В более общем плане мы можем столкнуться с проблемами, когда размерность параметра модели увеличивается с размером выборки, а не остается фиксированной.
Мы рассмотрим здесь ряд тем, мотивированных такими соображениями. Основное внимание будет уделяться разработкам, связанным с логическим выводом, основанным на вероятности, но мы также рассмотрим: проблемы множественного тестирования, объективные байесовские методы, начальные альтернативы аналитической аппроксимации распределений и введем слишком много теоретических понятий, связанных с многомерным логическим выводом.
Байесовский анализ спектра очень далёкого астрономического объекта, известного как квазар. Байесовские методы позволяют нам делать выводы в сложных моделях сложных физических явлений и фундаментально зависят от знаменитой теоремы преподобного Байеса. (Изображение предоставлено: Вверху, Astrophysical Journal, 688, 807; Внизу слева. Рентгеновская обсерватория CHANDRA CXC, управляемая SAO для НАСА).

M5MS06 Байесовский анализ данных
(Проф. Ван Дык). Научные исследования - это итеративный процесс интеграции и накопления информации. Исследователи оценивают текущее состояние знаний по интересующему вопросу, собирают новые данные для решения оставшихся вопросов, а затем обновляют и уточняют свое понимание для включения как новых, так и старых данных. Байесовский вывод обеспечивает логическую, количественную основу для этого процесса. Эта основа основана в основном на знакомой теореме из базовой теории вероятностей, известной как теорема Байеса.
Хотя байесовские статистические методы уже давно представляют теоретический интерес, сравнительно недавнее появление сложных вычислительных методов, таких как цепь Маркова Монте-Карло, вывело байесовские методы в центр внимания. Теперь мы можем регулярно подбирать байесовские модели, разработанные по индивидуальному заказу, для описания специфических сложностей отдельных потоков данных в различных научных, технологических и политических условиях. Возможность легко разрабатывать индивидуальные статистические методы революционизировала нашу способность обрабатывать сложные данные. Байесовские методы в настоящее время играют важную роль в анализе данных по маркетингу и продажам, онлайн-активности, потокам камер видеонаблюдения, транспорту, климату и погоде, медицинским записям, биоинформатике и множеству других человеческих действий и физических процессов. В этом курсе мы разработаем инструменты для проектирования, подбора, проверки и сравнения высокоструктурированных байесовских моделей, которые так быстро изменяют подход ученых, исследователей и статистиков к своим данным.
Сравнение кубического сглаживающего сплайна с использованием обобщенной перекрестной проверки и вейвлет-сглаживания с использованием универсального порога доплеровской функции с аддитивным нормальным шумом.

M5MS07 Непараметрическое сглаживание и вейвлеты
(Dr Missaoui) Оценки ядра: ширина окна, адаптивные оценки ядра.
Штрафы за шероховатость: кубические сплайны; Сплайн-сглаживание, алгоритм Рейнша; альтернативные штрафы: лассо, регрессия гребня.
Подход базисной функции: B-шипы, вейвлеты: дискретное вейвлет-преобразование; вейвлет-фильтры; максимальное дискретное вейвлет-преобразование с перекрытием; вейвлет-дисперсия, вейвлет-усадка, пороговая обработка.
Выбор общей модели: AIC, BIC, перекрестная проверка.

M5MS08 многомерный анализ
(Доктор Коэн) Как видно из названия, многомерный анализ включает в себя набор методов, предназначенных для анализа наборов данных с более чем одной выходной переменной. Ситуация, которая повсеместна во всех областях науки. Многократное использование одномерного статистического анализа недостаточно в таких условиях, где взаимозависимость между несколькими случайными переменными имеет влияние и интерес. В этом курсе мы рассмотрим некоторые ключевые идеи, связанные с многомерным анализом. Рассматриваемые темы включают всестороннее введение в линейную алгебру, используемую в многомерном анализе, и стандартные многомерные обозначения, включая продукт Кронекера, подробное рассмотрение многомерного нормального распределения, распределение Уишарта, статистику Т2 Хотеллинга, некоторые тесты отношения ключевых вероятностей и обычные, множественные и частичные показатели корреляции.

M5MS09 Графические модели
Является ли сердечная болезнь зависимой от активных людей, не страдающих ожирением? (Проф. Уолден) Вероятностные графические модели кодируют отношения между набором случайных величин таким образом, который опирается на сети и теоретико-графическую интуицию. Прежде всего, они кодируют предположения условной независимости, в соответствии с которыми A статистически не зависит от B, обусловленного значением C. Так же, как условная вероятность является одним из столпов современной вероятности, условная независимость является критической в ​​статистическом моделировании. Он лежит в основе спецификации модели и позволяет нам выявлять, выявлять и понимать корреляционные структуры между ненаблюдаемыми переменными, учитывая значения переменных, которые мы уже знаем. Этот курс будет включать различные материалы, в том числе дискретную математику (теорию графов), статистическое моделирование, алгоритмы и вычислительные аспекты, а также приложения, включающие реальные данные и реальные приложения. Мы также коснемся абстрактных вопросов, таких как разница между причинностью и корреляцией.
Алгоритм машинного обучения определяет участки мозга, которые различают пациентов с болезнью Альцгеймера и здоровых людей.

M5MS10 Машинное обучение
(Д-р Calderhead) Области машинного обучения и вычислительной статистики с готовностью становятся важными областями общей практики, исследований и разработок в области математических наук. Связанная с этим методология находит применение в таких разных областях, как биология, экономика и инженерная геополитика, и ее рост можно частично объяснить увеличением количества и разнообразия измерений, которые мы можем проводить в окружающем нас мире. Особенно интересные примеры возникают в биологии, где мы теперь можем измерить изменения в молекулярных концентрациях в специфических генных регуляторных сетях организма, которые было бы трудно представить только недавно. Методы машинного обучения имеют жизненно важное значение для извлечения полезной структуры из этих данных, избегая при этом переоснащения модели; в частности, они позволяют нам отличать сигнал от шума и характеризовать наиболее правдоподобные научные гипотезы с учетом имеющихся данных и предшествующей информации. Многие другие области и области применения, от анализа социальных сетей до алгоритмического трейдинга, извлекают выгоду из методов машинного обучения, которые обычно используются для обнаружения закономерностей и аномалий в больших объемах данных.

M5MS11 Статистика экстремальных событий
Временные ряды крупных страховых случаев из-за пожаров в Дании, 1980–1990 гг. (Д-р Вераарт) Этот курс знакомит с теорией экстремальных ценностей. Мы сосредоточены на статистических методах экстремальных явлений и изучаем приложения в страховании и финансах Основными темами являются следующие:
Теория экстремальных значений: колебания максимумов; флуктуации статистики высшего порядка;
Статистические методы: вероятностные и квантильные графики; средняя избыточная функция; Метод превышений Гамбеля; оценка параметров для обобщенного распределения экстремальных значений; оценка в максимальной области условий притяжения; подходящее превышение порога.

M5MS12 Финансовая эконометрика
(Доктор Вераарт) Финансовая эконометрика является междисциплинарной областью, сосредоточенной на широком спектре количественных проблем, возникающих в связи с финансами. Этот курс дает введение в области и представляет некоторые из ключевых статистических методов, необходимых для работы как с низкими, так и с высокочастотными финансовыми данными. Основные темы курса:
Дискретные временные рамки: модели ARCH, GARCH и их оценка;
Непрерывные временные рамки: броуновское движение, стохастическое интегрирование и стохастические дифференциальные уравнения, формула Ито, стохастическая волатильность, реализованная квадратичная вариация и ее асимптотические свойства, процессы Леви, тестирование на скачки, оценка волатильности при наличии эффектов микроструктуры рынка.

<Р>
M5MS13 Ценообразование и хеджирование на финансовых рынках
(Д-р Пакканен) Будут объяснены основы теории отсутствия арбитража и нейтральной к риску оценки условных требований при установлении триномиальной модели. Наиболее часто продаваемые условные требования на финансовых рынках (опционы ванильного и форвардного старта, производные барьера и волатильности, американские опционы) будут подробно описаны, а их цены обсуждены в контексте трехчленных моделей.

M5MS14 Статистический Биоинформатика и генетика
Диаграмма Circos, показывающая отклонения числа копий ДНК в геноме и взаимодействия из колоректального рака. (не будет запущен в 2014/15 г.) Достижения в области биотехнологии делают реальностью рутинное использование секвенирования ДНК и технологии микрочипов в биомедицинских исследованиях и клиническом использовании. Инновации в области геномики не только стимулируют новые исследования в области понимания биологии и болезней, но и способствуют быстрому развитию компьютерных наук, статистики и инженерии, чтобы удовлетворить огромные требования к обработке информации.
На этом курсе студенты познакомятся с миром биоинформатики, который за последние 10-15 лет стал одной из доминирующих областей исследований и применения в современной статистике. Студенты узнают о фундаментальных биологических процессах, классических моделях, которые позволили ученым моделировать и понять сложные биологические наборы данных, а также об ультрасовременной методологии, используемой в настоящее время в технологиях секвенирования следующего поколения.

M5MS15 Статистика в розничном финансировании < ш> Распределение ожидаемых потерь в зависимости от степени риска. Оценивается с использованием моделирования Монте-Карло по формулам Basel II. (Д-р Missaoui) Розничное финансирование - это бизнес-сектор, который более 50 лет успешно использует математические и статистические методы для анализа кредитного риска и принятия операционных решений. В этом курсе мы рассмотрим кредитные баллы и их использование при принятии решения о предоставлении кредита. Мы представим модель сегментированной логистической регрессии в качестве стандартной модели разработки кредитных карт и рассмотрим стандартные для отрасли методы оценки производительности этих моделей, такие как кривая рабочих характеристик приемника (ROC) и коэффициент Джини.
Вопросы, которые очень специфичны для розничного финансирования, такие как смещение при отборе выборки и вывод об отказе, будут подробно рассмотрены вместе с методами выявления мошенничества. Будут изучены поведенческие модели использования кредита с использованием моделей выживания и марковского перехода. Их можно использовать как основу для расчетов ожидаемой доходности. Это естественным образом приводит к моделям на уровне портфеля, где требуется оценка прибыли или убытка по портфелям финансовых продуктов. В частности, оценки стоимости под риском (VaR) и ожидаемого дефицита используются для расчетов требований к капиталу и выводят формулу Мертона / Vasicek, которая составляет основу расчетов требований к капиталу в международном Базельском соглашении о банковской деятельности. Наконец, мы рассмотрим статистические подходы к стресс-тестированию с использованием моделирования на основе моделей кредитного риска на уровне портфеля.

M5MS16 Принципы байесовского вывода
Представление художника о том, как ULAS J1120 + 0641, самый дальний из когда-либо обнаруженных квазаров, может показаться близким. Этот квазар был открыт астрономом Iperial College с помощью методов Бэйсиана, чтобы идентифицировать его по каталогу из 20 миллионов астрономических источников. Image Credit: Обсерватория Близнецов / AURA от Линетт Кук. (Доктор Мортлок) Каждый должен делать выводы - и принимать решения - на основе неполной информации; Байесовский вывод является мощным и всеобъемлющим способом решения таких проблем. & Amp; mp; am p; nbs p; ; Это следует из доказательств Кокса о том, что теорема Байеса вытекает из основных аксиом и требований самосогласованности, а затем переходит к применению этих принципов для оценки параметров, сравнения моделей и проектирования экспериментов. Примеры взяты из таких разных областей, как азартные игры, медицина, экономика и астрофизика. Последнее является предметом особого внимания, поскольку представляет собой количественную физическую науку, в которой очень ограничен контроль над тем, какие данные могут быть получены; эта относительно новая область "астростатики" также является активной областью исследований в Статистическом отделе и Группе астрофизики в Имперском колледже.

M5MS17 Медицинская статистика
Радиотелеметрический сбор данных артериального давления в контролируемом эксперименте для оценки эффективности нового химического соединения.
(Д-р Боттоло) Целью курса является предоставление широкого спектра статистических методов для анализа биомедицинских данных, которые производятся фармацевтическими компаниями, исследовательскими подразделениями и ГСЗ. Помимо общего введения в линейные обобщенные линейные модели и анализа выживаемости, курс будет сфокусирован на клинических испытаниях (дизайн исследования, рандомизация, размер и мощность выборки, корректировка ковариат и подгрупп) для изучения влияния лечения на процесс заболевания с течением времени и продольный анализ данных с точки зрения клинических испытаний. Будет проиллюстрирована статистическая теория, вывод и оценка параметров модели, а также применение продольных моделей в реальных тематических исследованиях на основе биомедицинских и медицинских наук. Анализ реальных примеров будет выполнен с использованием стандартного статистического программного обеспечения. В конце курса студенты смогут планировать основные клинические испытания, анализировать продольные данные и интерпретировать результаты.

Курс будет охватывать следующие модели и темы:
- Введение в линейные / обобщенные линейные модели и анализ выживания
- Введение в клинические испытания
- Распределение лечения, мониторинг и оценка эффекта
- Введение в продольные данные и повторные измерения
- Общая и обобщенная линейная модель для продольных данных
- Модели случайных и смешанных эффектов

M5MS18 Официальная статистика
Требования о повторном владении на 1000 домохозяйств, четвертый квартал 2010 года - третий квартал 2011 года. Предоставлено журналом Guardian Datablog. (Д-р Kantas) «Статистика - это зеркало, через которое мы видим общество» (Дэвид Хэнд). Как можно измерить благосостояние нации? Великобритания переживала лучшие времена, чем Европа, во время финансового кризиса? Была ли политика нашего правительства успешной? Разумная политика должна опираться на доказательства, и задача надежного сбора таких доказательств среди множества людей, социальных групп, предприятий и видов деятельности является монументальной. Это захватывающее время для официальной статистики: необработанные данные становятся все более доступными для всеобщего ознакомления, а последние события переопределяют то, что составляет «благополучие», «прогресс» и как их можно измерить.

M5MS19 Другие темы в статистике
(Д-р Kantas) Этот курс охватывает различные актуальные темы в статистике. Изменение невязки с течением времени в квадрате. Мы рассмотрим полупараметрические методы для непрерывных результатов, включая взвешенные наименьшие квадраты и сэндвич-оценки дисперсии. Курс также будет охватывать спецификацию и оценку ковариаций и умозаключений с упором на линейные модели со смешанным эффектом и Обобщенные уравнения оценки (GEE). Если позволит время, мы также будем покрывать оценку при наличии изменяющегося во времени смешивания и расширения дискретных данных.

M5S14 Модели выживания и актуарные приложения с углубленным изучением
Кривые смертности для мужчин и женщин в Великобритании в период 2008-2010 гг. (Г-н Гинзберг) Анализ выживаемости, также известный как анализ надежности и анализ истории событий, является разделом статистической теории, связанной с моделированием случайных моментов, в которые происходят определенные события, используя любую соответствующую информацию, доступную. Поскольку данные о выживании появляются во времени, наборы данных анализа выживаемости, как правило, будут неполными, при этом доля наблюдений будет подвергнута цензуре, поскольку время события еще не произошло во время анализа.
Дисциплина имеет широкий спектр применений, с примерами, в том числе: медицина, при измерении времени до выздоровления / рецидива пациента после медицинского вмешательства; инженерные, измерения времени до отказа компонентов в машине; экономика, измеряющая время до провала бизнеса.
Этот курс знакомит с основополагающими идеями и статистическими инструментами для проведения анализа выживания, которые применимы к ряду приложений, указанных выше. Кроме того, мы рассмотрим некоторые более специализированные статистические модели, которые особенно подходят для дисциплины актуарной науки, в которой есть интерес к измерению смертности среди населения с целью обеспечения страхования жизни и пенсий.

M5S8 Time Series с углубленным изучением
Автокорреляционные последовательности, иллюстрирующие поведение с короткой памятью (верхний график) и поведение с долгой памятью (нижний график). (Проф. Уолден) Дается введение в анализ временных рядов (серии наблюдений, обычно эволюционирующих во времени), которые дают вес как во временной области, так и по частоте с точки зрения. Обсуждаются важные структурные особенности (например, обратимость) и вводятся полезные вычислительные алгоритмы и подходы. Курс является автономным.
Случайные случайные процессы и примеры. ARMA процессы. Снятие тренда и сезонная корректировка. Общий линейный процесс. Обратимость. Направленность и обратимость во временных рядах. Спектральное представление. Искажения. Генерация функций. Оценка среднего и автоковариационной последовательности. Периодограмма. Сужается для уменьшения смещения. Параметрическая модель фитинга. Прогнозирование.
Дополнительный материал: из процессов с длительной памятью, оценки параметров параметрического спектра, гармонического анализа, моделирования и анализа временных рядов множества каналов.

Вычислительные случайные процессы
(Доктор Павлиотис) Стохастические процессы играют все более важную роль в модели физических, химических и биологических систем. Большинство стохастических математических моделей аналитически трудноразрешимы и должны быть смоделированы на компьютере. Этот курс представит основные численные и вычислительные методы для моделирования случайных процессов и представит приложения для конкретных физических задач. Содержание включает в себя:
Моделирование броуновского движения, броуновский мост, геометрическое броуновское движение.
Моделирование случайных полей, разложение Кархунена-Лоэва.
Численные методы стохастических дифференциальных уравнений, слабая и сильная сходимость, устойчивость, численное моделирование эргодических СДУ.
Уравнения Колмогорова назад / вперед. Численные методы для параболических уравнений в частных производных (конечно-разностные, спектральные методы).
Расчет плотности вероятности перехода и инвариантной меры для эргодических диффузионных процессов.
Статистический вывод для диффузионных процессов, максимальная вероятность, метод моментов.
Марковская цепь Монте-Карло, выборка из вероятностных распределений.
Приложения: вычислительная статистическая механика, молекулярная динамика
Оценка: Этот курс полностью рассматривается проектами.
Mastery Material: Расширение в рамках проектов.
Пререквизиты: случайные процессы (на уровне прикладных стохастических процессов M5A42), ODE, PDE, линейная алгебра, научные вычисления, численный анализ. Знание Matlab или любого другого языка программирования.

Минимальная квалификация для поступления - это степень класса 2i или выше или эквивалентная степень в области статистики, математики или смежных дисциплин, таких как инженерия или физика.

GMAT не требуется.

Мы не можем комментировать права заявителей, не увидев полную форму заявки вместе со ссылками и стенограммами.

Успешные кандидаты должны быть в состоянии выполнить все условия своего предложения, включая языковые требования, до начала курса.

Стипендия Эндрю Дженнингса
Право на получение статуса студента - только открытая предварительная запись

Стоимость - 2000 фунтов стерлингов на покрытие расходов на содержание

Доступное число - 1

Дополнительная информация о критериях соответствия

< Стипендия Эндрю Дженнингса присуждается DecisionMetrics в память об одном из основателей Эндрю Дженнингсе. DecisionMetrics является бизнесом по анализу кредитного риска, и эта награда предназначена для студента, который заинтересован в розничном кредитном риске.

Эта награда открыта для всех заявителей, проживающих в стране / Великобритании и ЕС, которые получили предложение получить степень магистра в области статистики на факультете математики в Имперском колледже Лондона, начиная с октября 2015 года.

Продолжительность1 год

Срок подачи заявок 31 марта 2015 года

< p> Процесс отбора

Чтобы подать заявку, пожалуйста, отправьте короткое эссе под названием «Почему я заинтересован в кредитном скоринге», которое должно быть не более одной страницы формата А4, в математический факультет до 31 марта 2015 года. . Ваше эссе будет использовано вместе с заявлением о зачислении и ссылками для оценки ваших академических заслуг и потенциала.

Вы должны получить предложение изучать степень магистра в области статистики до 31 марта 2015 года.

Заявки будут оцениваться в рамках математического факультета, и ученый, демонстрирующий наибольший академический потенциал, получит e награда.

Результат премии

Успешный кандидат будет уведомлен по электронной почте не позднее 1 июня 2015 года. Если вы не получили подтверждение награды к этой дате, пожалуйста, предположим, что ваша заявка была неудачной.

Перед подачей заявки

1. При переписке в колледж вы должны указывать свой номер идентификатора колледжа (CID).
2. Стипендии, которые мы предлагаем, ограничены и очень конкурентоспособны. Вы должны иметь достаточное финансирование, прежде чем записаться на курс.
3. Если не указано иное, объявленные стипендии доступны только будущим студентам, подающим заявку на очную форму обучения.
4. Период присуждения премии обычно начинается в первый день учебного года, на который вы подали заявку (например, 1 октября 2012 года).
5. Заявки на получение стипендии будут рассматриваться только после предложения о приеме. Только тогда, когда вы выполните все критерии приемлемости (то есть, если вы соответствуете требованиям) стипендии, вы будете рассмотрены.
6. Если не будет подано отдельное заявление на получение стипендии, мы будем использовать вашу заявку на поступление и предоставленные ссылки. Поэтому эти документы могут также передаваться заинтересованным сторонам, участвующим в процессе отбора.
7. Пожалуйста, не присылайте подтверждающие документы, если только процесс подачи заявки на стипендию не попросит вас сделать это.
8. Крайние сроки финансирования строго соблюдаются, и любая заявка, полученная после даты закрытия, не будет принята.
 

Успешные получатели премии

9. Соглашаясь с этими условиями и предоставляя свои банковские реквизиты в Великобритании

a) Все стипендии и выплаты будут выплачиваться на банковские реквизиты в Великобритании, которые хранятся на вашем Учетная запись электронного обслуживания студентов . Вы можете войти в свою учетную запись электронного студента и внести изменения в свои банковские реквизиты в любое время после того, как вы приняли предложение о зачислении.
б) Отправляя свои банковские реквизиты через вкладку «Финансирование студентов» на портале электронных услуг для студентов Imperial и / или форму стипендии, вы подтверждаете, что согласны с условиями премии.
c) Может потребоваться несколько недель, чтобы настроить ваши выплаты стипендии и ваш банковский счет в Великобритании (если применимо); поэтому вы должны принести достаточно средств для покрытия ваших расходов на проживание в течение этого времени. Начальные даты оплаты могут отличаться; это ваша ответственность, чтобы вы знали, когда будут произведены платежи.
d) Награда зависит от выполнения вами любых выдающихся условий приема.
e) Средства будут выдаваться только в соответствии с вашей регистрацией в колледже, и вам нужно будет убедиться, что ваши банковские реквизиты актуальны.
е) Даты платежей: платежи обычно производятся 7-го числа каждого месяца; банковские реквизиты должны быть обновлены до 24-го числа предыдущего месяца, чтобы гарантировать, что оплата не задерживается. Выплаты бакалавриата начнутся с 7 ноября. Выплаты в аспирантуру начнутся 7-го числа месяца после вашей регистрации.

10. Пожалуйста, убедитесь, что вы выполнили все шаги, необходимые для регистрации на учебный год, в котором вы хотите получать оплату. Обратите внимание, что новым обладателям премий также необходимо выполнить все условия предложения, прежде чем они смогут зарегистрироваться.

11. Все имперские стипендии подлежат удовлетворительному академическому прогрессу. Если продолжительность вашей стипендии превышает 12 месяцев, она будет продлеваться ежегодно.

<Р> 12. Награды обычно не присуждаются тем, кто уже имеет полную стипендию из другого источника; пожалуйста, немедленно сообщите Студенческой финансовой поддержке и / или любому другому отделу, предложившему вам награду, если вам присуждается более одной премии, даже если вы уже приняли нашу премию. Если вы хотите одновременно получить несколько частичных наград, это будет рассматриваться в каждом конкретном случае.

13. Стипендии, как правило, не присуждаются студентам, которые пишут.

14. Кандидаты, желающие обучаться в партнерских учреждениях Великобритании, не имеют права на получение стипендии Imperial College London.

15. Бакалавриат Финансовая поддержка / Пакет Imperial Bursary

a) Чтобы иметь право на получение Imperial Bursary, вы должны пройти аттестацию на финансирование в рамках проверенных средств от Student Finance England (или эквивалентного органа по финансированию) и иметь доход домохозяйства ниже Порог дохода императорского домохозяйства для вашей группы. Вы должны связаться с нами, если это не так. Любое предыдущее исследование может повлиять на ваше право.
б) Колледж на постоянной основе проверяет информацию о доходах домохозяйства (которую он получает от Student Finance England и т. д.). Изменение дохода вашей семьи может привести к изменению вашей имперской стипендии. Любые переплаты будут исправлены.
в) Императорская стипендия доступна для каждого года вашего курса, исключая повторные годы обучения и годы, финансируемые NHS для медицинских курсов. Если вы перейдете с 3-х летнего курса обучения в Imperial, вы получите стипендию на следующий год. Вы должны связаться с нами по поводу любых изменений курса как можно скорее.
г) Студенты, находящиеся на оплачиваемых местах обучения, могут не иметь права на получение Императорской стипендии.
e) Чтобы иметь право на получение Императорской стипендии, мы должны получить доход вашей семьи от Компании по студенческим кредитам до 1 мая, следующего за началом вашего учебного года.

16. Если вам предложили финансирование от исследовательских советов, пожалуйста, убедитесь, что вы прочитали самое последнее руководство по финансированию для аспирантов; вам нужно будет соблюдать изложенные там условия.

17. Отсрочка, отмена и прерывание обучения

a) Вы должны немедленно сообщить Группе финансовой поддержки студентов о любых перерывах в вашем обучении, особенно если они могут повлиять на вашу посещаемость и статус регистрации в колледже.
б) Если вы отказываетесь от курса или прерываете учебу (IOS), вы должны немедленно уведомить нас об этом, связавшись с нами < / а> здесь. Если вы возьмете IOS, ваша стипендия будет отложена до повторной регистрации.
в) Стипендии и стипендии не подлежат передаче. Если вы перейдете в другое учебное заведение или выйдете из колледжа, все причитающиеся вам платежи будут отменены, а переплаты подлежат возмещению.
d) Мы не будем предоставлять стипендию или стипендию в течение любого периода повторного обучения.
e) Награды не могут быть отложены.

18. Студенческая финансовая поддержка может в любое время по своему усмотрению отозвать или получить компенсацию за нарушение любого из вышеуказанных условий.

19. Колледж оставляет за собой право устанавливать лимит финансовой поддержки, если студент получает другое финансирование.

20. Информация о студентах передается сообществу Имперского колледжа и донорам (где это применимо и имеет отношение к вашей награде) в соответствии с Законом о защите данных 1998 года.

a) Если награды имеют конкретные критерии отбора (например, удовлетворительный прогресс в учебе) ), подтверждающие доказательства могут быть переданы именным донорам для подтверждения продолжения права.
б) можно ожидать, что получатели премии встретятся с донорами.

21. Если вы получаете награду за обучение, которая предоставляется только студентам на основании гражданства или места жительства; обратите внимание, что в соответствии с Законом о равенстве 2010 года вы не должны намерены использовать в Великобритании навыки, приобретенные вами в результате обучения в колледже, и вы не должны проживать в штате ЕЭЗ.

<р> 22. Эти условия являются официальными правилами, которые регулируют награды, финансируемые централизованно. Таким образом, не существует процедур обжалования, связанных с финансированием со стороны группы финансовой поддержки студентов.

Эта награда предназначена для студентов, начинающих учебный год 2015-16, и не может быть отложена.