Conducted in
terms:
2022/23L, 2023/24L, 2024/25L, 2025/26L
ISCED code: 0541
ECTS credits:
6
Language:
Polish
Organized by:
Faculty of Mathematics and Computer Science
Statistical inference 1000-M1WSTAT
This course has not yet been described...
Total student workload
(in Polish) 30 godzin - wykład
30 godz. - ćwiczenia
50 godz. praca własna - bieżące przygotowanie do zajęć, studiowanie literatury
40 godz. praca własna - przygotowanie do zaliczenia ćwiczeń i egzaminu
Learning outcomes - knowledge
(in Polish) Po ukończeniu kursu student:
- zna podstawowe pojęcia statystyki opisowej (tablica liczebności, histogram, szereg rozdzielczy) (K_W06, s1)
- zna podstawowe charakterystyki liczbowe próbki ( mediana, moda, średnia z próbki, wariancja z korelacja z próbki) (K_W06, s1)
- zna estymatory punktowe wartości oczekiwane, wariancji i współczynnika korelacji oraz ich podstawowe własności, zna postać estymatorów przedziałowych dla wartości oczekiwanej (K_W01, s1, K_W06 s1)
- zna pojęcie testu statystycznego, zna konstrukcję testów dla wartości oczekiwanej oraz testu zgodności chi-kwadrat (K_W01, K_W06)
Learning outcomes - skills
(in Polish) Po ukończeniu kursu student:
- potrafi przeprowadzić wstępną analizę danych empirycznych i zilustrować je graficznie (K_U22)
- umie oszacować wybrane parametry rozkładów (estymacja punktowa i przedziałowa) oraz zinterpretować otrzymane wyniki (K_U22)
- umie przeprowadzić test dla wartości oczekiwanej oraz przetestować proste hipotezy na temat postaci rozkładu (dla rozkładów dyskretnych i absolutnie ciągłych) (K_U22)
- potrafi wykorzystać pakiet R do ilustracji i analizy danych empirycznych oraz wykonania elementarnych obliczeń potrzebnych w analizie danych (obliczanie statystyk z próby, przedziały ufności, obliczanie niektórych statystyk testowych) (K_U13)
- ma świadomość potencjału oraz ograniczeń wnioskowania statystycznego (K_U23, K_U25)
Learning outcomes - social competencies
(in Polish) Student potrafi określić problem statystyczny oraz podać metody jego rozwiązania (K_K01), umie przekazać posiadana wiedzę i umiejętności w formie pisemnej i ustnej (K_K02). Student rozumie potrzebę dalszego pogłebiania swojej wiedzy i umiejętności (K_K03)
Course coordinators
Teaching methods
(in Polish) Wykład tradycyjny. Ćwiczenia głównie rachunkowe. Część ćwiczeń ma charakter laboratoryjny (praca z pakietem R).
Expository teaching methods
- informative (conventional) lecture
Exploratory teaching methods
- practical
- laboratory
- classic problem-solving
- laboratory
- classic problem-solving
Type of course
compulsory course
Prerequisites
(in Polish) Podstawowa znajomość analizy matematycznej (w zakresie Analiza matematyczna I), Rachunek prawdopodobieństwa (1000-M1RPRn)
Additional information
Additional information (registration calendar, class conductors, localization and schedules of classes), might be available in the USOSweb system: