Conducted in
terms:
2022/23Z, 2023/24Z, 2024/25Z, 2025/26Z
Erasmus code: 14.3
ISCED code: 0311
ECTS credits:
4
Language:
Polish
Organized by:
Department of Econometrics and Statistics
(for:
Faculty of Economic Sciences and Management)
Statistical Inference in Economics 1100-12-E21-0-WnStat
This course has not yet been described...
Total student workload
(in Polish) 1. Godziny realizowane z udziałem nauczyciela (kontaktowe): 70 godzin (uczestnictwo w wykładach i ćwiczeniach, konsultacje, referowanie prac kontrolnych, egzamin, kontakt mailowy).
2. Czas poświęcony na pracę własną (indywidualną) studenta: 50 godzin (zapoznanie się z literaturą, uzupełnianie notatek z wykładu, gromadzenie danych do analiz empirycznych, przeprowadzenie analiz empirycznych w ramach przygotowania prac kontrolnych, wykonywanie na bieżąco zadań domowych, przygotowanie się do egzaminu).
Learning outcomes - knowledge
(in Polish) W1. Student zna metody i narzędzia z zakresu wnioskowania statystycznego, służące do badania zjawisk i procesów ekonomicznych (K_W06).
W2. Student zna zasady przeprowadzania badań, tzw. procedury wnioskowania statystycznego (K_W06).
W3. Student zna metody, schematy i techniki pozyskiwania danych niezbędnych do przeprowadzenia badań zjawisk ekonomicznych (K_W06).
Uwaga, od cyklu 2023/2024 nastąpiła modyfikacja efektów:
W1. Student zna i rozumie metody i narzędzia z zakresu wnioskowania statystycznego, służące do badania przebiegu i zależności zjawisk i procesów ekonomicznych (K_W04).
W2. Zna i rozumie metody, schematy i techniki pozyskiwania danych niezbędnych do przeprowadzenia badań zjawisk ekonomicznych (K_W06).
Learning outcomes - skills
(in Polish) U1. Student stosuje metody i narzędzia wnioskowania do badania zjawisk ekonomicznych (K_U04).
U2. Interpretuje dane/informacje ekonomiczne oraz korzysta z różnych źródeł danych (K_U03, K_U08).
U3. Diagnozuje i prognozuje zjawiska ekonomiczne (K_U04).
U4. Wykorzystuje odpowiednie oprogramowanie statystyczno-ekonometryczne (K_U04).
Uwaga, od cyklu 2023/2024 nastąpiła modyfikacja efektów:
U1. Student potrafi stosować metody i narzędzia wnioskowania do badania zjawisk ekonomicznych; wykorzystuje odpowiednie oprogramowanie do analiz statystycznych i ekonometrycznych (K_U03, K_U08).
U2. Potrafi interpretować dane ekonomiczne oraz korzystać z różnych źródeł danych (K_U03, K_U08).
U3. Potrafi diagnozować i prognozować zjawiska ekonomiczne (K_U04).
Learning outcomes - social competencies
(in Polish) K1. Student rozumie znaczenie wnioskowania statystycznego w badaniach ekonomicznych. Samodzielnie przeprowadza analizy i wyciąga wnioski posługując się zasadami logiki K_K01 (KRK K_K02).
K2. Sumiennie i dokładnie wykonuje wyznaczone zadania. Postępuje etycznie K_K02, K_K03 (KRK K_K04).
Uwaga, od cyklu 2023/2024 nastąpiła modyfikacja efektów:
K1. Student rozumie znaczenie wnioskowania statystycznego w badaniach ekonomicznych i jest gotów do zgłębiania wiedzy i doskonalenia umiejętności w tym zakresie; sumiennie i dokładnie wykonuje wyznaczone zadania (K_K01).
Teaching methods
(in Polish) Wykład z elementami pokazu multimedialnego - Pokazy w Power Point, prezentacje komputerowe analiz z wykorzystaniem Excela oraz Gretla.
Zajęcia ćwiczeniowe w laboratorium komputerowym. Przeprowadzanie analiz z wykorzystaniem: Excela oraz Gretla. Prezentacje otrzymanych wyników. Dyskusje.
Uwaga,
W cyklu 2020/2021 wykłady i ćwiczenia (30 godz.) w formie zdalnej z wykorzystaniem platformy MS Teams; materiały uzupełniające na Moodle.
W cyklu 2021/2022 wykłady (15 godz.) w formie zdalnej z wykorzystaniem Platformy MS Teams; materiały uzupełniające na Moodle.
Observation/demonstration teaching methods
- display
Expository teaching methods
- informative (conventional) lecture
Exploratory teaching methods
- practical
Online teaching methods
- methods developing reflexive thinking
- exchange and discussion methods
- content-presentation-oriented methods
- exchange and discussion methods
- content-presentation-oriented methods
Type of course
compulsory course
Prerequisites
(in Polish) Wiedza oraz praktyczne umiejętności z zakresu matematyki, w szczególności rachunku prawdowodobieństwa oraz statystyki opisowej.
Podstawowe umiejętności obsługi komputera, znajomość pakietów obliczeniowych, takich jak np. EXCEL, czy też programu GRETL.
Course coordinators
Additional information
Additional information (registration calendar, class conductors, localization and schedules of classes), might be available in the USOSweb system: