Statystyczna analiza danych (wykład) - 2019/2020

Opis zajęć
Informacje ogólne
Prowadzący:dr Małgorzata Nowak-Kępczyk
Organizator:Wydział Nauk Ścisłych i Nauk o Zdrowiu - Instytut Matematyki, Informatyki i Architektury Krajobrazu
Liczba godzin tydzień/semestr: 2/30
Język wykładowy:Język polski
Cele przedmiotu
C1. Głównym celem przedmiotu jest zapoznanie studentów z metodami i procedurami statystyki opisowej i statystyki matematycznej.
C2. Studenci zapoznają się z podstawowymi metodami i celami statystyki opisowej, takimi jak wykorzystanie miar statystycznych, wykresów oraz metod wnioskowania statystycznego, takich jak estymacja i zasady testów statystycznych.
Wymagania wstępne
W1. Wprowadzenie do rachunku różniczkowego i całkowego
W2. Podstawy metod probabilistycznych
Efekty kształcenia dla przedmiotu
WIEDZA
W1. Studenci znają podstawowe rozkłady probabilistyczne (K_W02).
W2. Studenci znają podstawowe miary i wykresy statystyki opisowej (K_W02).
W3. Studenci są w stanie porównać różne testy statystyczne i wybrać odpowiedni dla rozpatrywanego problemu (K_W02).
W4. Studenci znaja podstawowe pojęcia z zakresu statystyki, takie jak estymacja, błąd statystyczny, hipoteza statystyczna, poziom istotności, przewidywanie (K_W02).
W5. Studenci mają wiedzę na temat wybranego oprogramowania statystycznego (K_W025).
W6. Studenci znają podstawowe elementy analizy regresji (K_W02).
UMIEJĘTNOŚCI
U1. Studenci mają umiejętność zastosowania miar statystycznych dla populacji i próby (K_U22, K_U28).
U2. Studenci mają umiejętność prowadzenia komputerowej analizy danych w przypadku problemów ze statystyką opisową (K_U03, K_U22, K_U28).
U3. Studenci mają umiejętność prowadzenia prostego wnioskowania statystycznego (K_U22, K_U28).
U4. Studenci mają umiejętność prowadzenia komputerowej analizy danych w przypadku prostego wnioskowania statystycznego (K_U03, K_U22, K_U28).
U5. Studenci mają umiejętność przeprowadzania testów statystycznych w przypadku analizy regresji (K_U22, K_U28).
U6. Studenci mają umiejętność prowadzenia prostego prognozowania w przypadku analizy regresji (K_U22, K_U28).
KOMPETENCJE SPOŁECZNE
K1. Studenci są w stanie rozpocząć dyskusję na temat wnioskowania statystycznego i metod statystycznych (K_K07).
Metody dydaktyczne
Wykład (z elementami dyskusji), praca indywidualna, ćwiczenia, korzystanie z aplikacji komputerowych poświęconych wnioskowaniu statystycznemu.
Treści programowe przedmiotu
1. Główne cele i wady statystyki - przykłady problemów statystycznych, podstawowe definicje (populacja, próba, zmienna losowa), skale pomiarowe.
2. Podstawowe pojęcia statystyczne - rozkład empiryczny, serie danych, szeregi czasowe, rodzaje danych, ilość, skumulowana ilość.
3. Pomiary statystyki opisowej - średnia, mediana, kwartyle, kwantyle, tryb, odchylenie standardowe, wariancja, zakres. Inne miary statystyki opisowej.
4. Wykresy statystyczne - histogram, wykres bok-i-wąs, wykres kołowy, wykres liniowy, inne wykresy.
5. Przegląd niektórych rozkładów zmiennych losowych - rozkłady dyskretne i rozkład ciągły (rozkład dwumianowy, rozkład Poissona, rozkład normalny, rozkład wykładniczy, rozkład t-Studenta).
6. Estymacja - estymacja punktowa, cechy estymatora, metoda momentów, estymacja maksymalnego prawdopodobieństwa, metody i przykłady estymacji przedziałowej.
7. Testy statystyczne - koncepcja hipotezy zerowej, hipoteza alternatywna, poziom istotności, rodzaje błędów, wartość krytyczna. Przykład tonstrukcji testu statystycznego.
8. Wybrane przykłady testów statystycznych (testy chi-kwadrat, testy środków, test Kołmogorowa-Smirnowa itp.).
9. Wprowadzenie do analizy wielowymiarowej, koncepcja zależności zmiennych (kowariancja i współczynnik korelacji). Podstawy analizy regresji (liniowe i nieliniowe).
10. Szeregi czasowe - wygładzanie szeregów czasowych, wskaźniki dynamiki. Dyskusja na temat podstaw prognozowania szeregów czasowych.
11. Wprowadzenie do metod symulacyjnych - metoda Monte Carlo i jej zastosowania.
Kryteria oceny i sposoby weryfikacji zakładanych efektów kształcenia
Podczas zajęć: 2 testy, ich terminy są ogłaszane studentom podczas kursu.
Egzamin pisemny (tylko dla studentów, którzy ukończyli zajęcia), który sprawdza wiedzę z wykładów i zajęć.
Poniżej 50% - błąd.
W1 - egzamin, testy, przygotowanie do kursu.
W2 - egzamin, testy, przygotowanie do kursu.
W3 - egzamin, testy, przygotowanie do kursu.
W4 - egzamin, testy, przygotowanie do kursu.
W5 - testy, przygotowanie do kursu.
W6 - egzamin, testy, przygotowanie do kursu.
U1 - egzamin, testy, przygotowanie do kursu.
U2 - testy, przygotowanie do kursu.
U3 - egzamin, testy, przygotowanie do kursu.
U4 - testy, przygotowanie do kursu.
U5 - egzamin, testy, przygotowanie do kursu.
U6 - egzamin, testy, przygotowanie do kursu.
K1 - przygotowanie do kursu, praca podczas zajęć.
Wykład 30 godzin.
Zajęcia 30 godzin.
Liczba godzin z prowadzącym: 30.
Liczba punktów ECTS z prowadzącym: 2.
Przygotowanie do zajęć: 30.
Studiowanie literatury: 20.
Przygotowanie do egzaminu i testów: 30
Suma godzin: 80.
Suma punktów ECTS za moduł: 5
Literatura podstawowa i uzupełniająca
LITERATURA OBOWIĄZKOWA
David Freedman, Robert Pisani, Roger Pruves “Statistics”
Amir D. Aczel “Complete business statistics”
LITERATURA UZUPEŁNIAJĄCA
Roxy Peck, Chris Olsen, Jay Devore “Introduction to Statistics and Data Analysis”
William Mendenhall, Robert J. Beaver, Barbara M. Beaver “Introduction to Probability and Statistics”
Kierunek studiów: Informatyka (stacjonarne I stopnia)
Lokalizacja w planach rocznych:
Etap:Rok II - Semestr 4
Punkty ECTS: 5
Forma zaliczenia: Egzamin
Kierunek studiów: Matematyka (stacjonarne I stopnia)
Lokalizacja w planach rocznych:
Etap:Rok I - Semestr 2
Punkty ECTS: 5
Forma zaliczenia: Egzamin