Statystyczna analiza danych (ćwiczenia) - 2019/2020

Opis zajęć
Informacje ogólne
Prowadzący:mgr Patrycja Jędrzejewska-Rzezak
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 - Zapoznanie studentów z wybranymi aspektami statystyki opisowej i matematycznej.
C2 - Wykształcenie umiejętności przeprowadzania wnioskowań statystycznych.
C3 - Wykształcenie umiejętności odczytywania i zapisu danych statystycznych.
Wymagania wstępne
W1 - Znajomość podstaw matematyki.
W2 - Podstawy metod probabilistycznych.
W3 - Umiejętność korzystania z materiałów źródłowych.
Efekty kształcenia dla przedmiotu
WIEDZA
Student umie/zna
W1. Posługiwać się podstawowymi miarami statystyki opisowej oraz zna podstawowe rozkłady probabilistyczne (K_W02)
W2. Porównywać różne testy statystyczne i wybrać właściwy w danym problemie (K_W02)
W3. Podstawowe pojęcia statystyki matematycznej, takie jak estymator, błąd statystyczny, hipoteza statystyczna, poziom istotności (K_W02)
W4. Wykorzystać podstawowe elementy analizy regresji (K_W02)

UMIEJĘTNOŚCI
Student potrafi
U1. Posłużyć się statystycznymi charakterystykami populacji i ich odpowiednikami dla próbki (K_U02)
U2. Wykorzystać narzędzia komputerowe w analizie danych za pomocą metod statystyki opisowej (K_U03)
U3. Przeprowadzić proste wnioskowania statystyczne oraz wnioskowania dla analizy regresji (K_U02)

KOMPETENCJE SPOŁECZNE / POSTAWY
K1. Student potrafi formułować opinie na temat wybranych zagadnień statystycznych (K_K01, K_K10)
Metody dydaktyczne
ćwiczenia praktyczne w pracowni komputerowej, dyskusja
Treści programowe przedmiotu
1. Podstawowe pojęcia statystyczne. Zadania statystyki matematycznej.
2. Miary położenia i zmienności dla danych dokładnych i przedziałowych.
3. Graficzna analiza danych.
4. Wybrane dyskretne i ciągłe rozkłady prawdopodobieństwa.
5. Estymacja nieznanych parametrów rozkładu prawdopodobieństwa. Metoda momentów, metoda największej wiarygodności.
6. Estymacja przedziałowa.
7. Testy statystyczne - hipoteza zerowa i alternatywna, poziom istotności testu, błąd I i II rodzaju, obszar krytyczny w teście. Wybrane testy parametryczne i nieparametryczne.
8. Badanie zależności w próbie (współczynnik kowariancji i korelacji).
9. Liniowa analiza regresji, metoda majmniejszych kwadratów.
Kryteria oceny i sposoby weryfikacji zakładanych efektów kształcenia
Ocena niedostateczna
(W) Student nie umie posługiwać się podstawowymi miarami statystyki opisowej oraz nie zna podstawowych rozkładów probabilistycznych
(W) Student nie umie porównywać różnych testów statystycznych i wybierać właściwego w danym problemie
(W) Student nie zna podstawowych pojęć statystyki matematycznej, takich jak estymator, błąd statystyczny, hipoteza statystyczna, poziom istotności
(W) Student nie umie wykorzystać podstawowych elementy analizy regresji
(U) Student nie potrafi posłużyć się statystycznymi charakterystykami populacji i ich odpowiednikami dla próbki
(U) Student nie potrafi wykorzystać narzędzi komputerowych w analizie danych za pomocą metod statystyki opisowej
(U) Student nie potrafi przeprowadzić prostego wnioskowania statystyczne oraz wnioskowania dla analizy regresji
(K) Student nie umie formułować opinii na temat wybranych zagadnień statystycznych

Ocena dostateczna
(W) Student umie posługiwać się podstawowymi miarami statystyki opisowej oraz zna najprostsze rozkłady probabilistyczne
(W) Student umie porównywać różne testy statystyczne, ale ma problem z wyborem właściwego w danym problemie
(W) Student zna najważniejsze pojęcia statystyki matematycznej, takich jak estymator, błąd statystyczny, hipoteza statystyczna, poziom istotności, ale ma problemy z ich wyznaczaniem
(W) Student umie wykorzystać podstawowe elementy analizy regresji w prostych przykładach
(U) Student potrafi posłużyć się statystycznymi charakterystykami populacji i ich odpowiednikami dla próbki w prostych przykładach
(U) Student potrafi wykorzystać narzędzia komputerowe w analizie danych za pomocą niektórych metod statystyki opisowej
(U) Student potrafi przeprowadzić proste wnioskowania statystyczne oraz wnioskowania dla analizy regresji jedynie w elementarnych przykładach
(K) Student umie formułować opinie na temat wybranych prostych zagadnień statystycznych

Ocena dobra
(W )Student umie posługiwać się podstawowymi miarami statystyki opisowej oraz zna najważniejsze rozkłady probabilistyczne
(W) Student umie porównywać różne testy statystyczne, ale ma problem z wyborem właściwego w danym złożonym problemie
(W) Student zna najważniejsze pojęcia statystyki matematycznej, takie jak estymator, błąd statystyczny, hipoteza statystyczna, poziom istotności, ale ma problemy z ich wyznaczaniem w skomplikowanych przykładach
(W )Student umie wykorzystać podstawowe elementy analizy regresji w większości przykładów
(U) Student potrafi posłużyć się statystycznymi charakterystykami populacji i ich odpowiednikami dla próbki w klasycznych przykładach
(U) Student potrafi wykorzystać narzędzia komputerowe w analizie danych za pomocą większości metod statystyki opisowej
(U) Student potrafi przeprowadzić proste wnioskowania statystyczne oraz wnioskowania dla analizy regresji jedynie w klasycznych przykładach
(K) Student umie formułować opinie na temat klasycznych zagadnień statystycznych

Ocena bardzo dobra
(W) Student umie posługiwać się miarami statystyki opisowej oraz zna większość klasycznych rozkładów probabilistycznych
(W) Student umie porównywać różne testy statystyczne i nie ma problemu z wyborem właściwego w danym złożonym problemie
(W) Student zna najważniejsze pojęcia statystyki matematycznej, takich jak estymator, błąd statystyczny, hipoteza statystyczna, poziom istotności i nie ma problemu z ich wyznaczaniem w skomplikowanych przykładach
(W) Student umie wykorzystać podstawowe elementy analizy regresji w przykładach
(U) Student potrafi posłużyć się statystycznymi charakterystykami populacji i ich odpowiednikami dla próbki w złożonych przykładach
(U) Student potrafi wykorzystać różne narzędzia komputerowe w analizie danych za pomocą większości metod statystyki opisowej
(U) Student potrafi przeprowadzić złożone wnioskowania statystyczne oraz wnioskowania dla analizy regresji
(K) Student umie formułować opinie na temat złożonych zagadnień

Sposoby weryfikacji:
aktywność na zajęciach - 25%
dwa kolokwia - 75%
Literatura podstawowa i uzupełniająca
1. W. Niemiro, Rachunek prawdopodobieństwa i statystyka matematyczna, Biblioteka Szkoły Nauk Ścisłych, 1999
2. D. Aczel, Statystyka w zarządzaniu, PWN, 2000
3. A. Łomnicki, Wprowadzenie do statystyki dla przyrodników, PWN, 2006
4. A. Plucińska, E. Plucińska, Probabilistyka, WNT. 2000
5. O. Lange, A. Balasiński, Teoria Statystyki, PWE, 1968
Kierunek studiów: Informatyka (stacjonarne I stopnia)
Lokalizacja w planach rocznych:
Etap:Rok II - Semestr 4
Punkty ECTS: 0
Forma zaliczenia: Zal. na ocenę
Kierunek studiów: Matematyka (stacjonarne I stopnia)
Lokalizacja w planach rocznych:
Etap:Rok I - Semestr 2
Punkty ECTS: 0
Forma zaliczenia: Zal. na ocenę