Statistics
1703-F1-STAT-J
Lecture subjects:
Fundamentals of probability theory; probability distributions of discrete random variable. Moments and central moments of probability distribution; cumulative distribution function for discrete and continuous random variables; probability density for discrete and continuous variables; moments and central moments for distribution of continuous random variable; moments of two-dimensional distributions; estimation of moments and central moments for a sample; linear correlation and regression and methods of calculating its parameters; other parameters of variable distribution; remarks on testing statistical hypotheses.
Classes subjects:
Calculating event probaility; calculating moments of probability distributions for discrete random variable. calculating moments of probability distributions for continuous random variable; estimation of distribution moments for a sample; calculation of linear correlation and parameters of linear regression; application of statistical tools of Excel and Statistica.
Total student workload
(in Polish) 1. Nakład pracy związany z zajęciami wymagającymi bezpośredniego udziału nauczycieli akademickich wynosi:
– udział w wykładach: 12 godzin
– udział w ćwiczeniach: 23 godziny
– udział w konsultacjach: 5 godzin
Nakład pracy związany z zajęciami wymagającymi bezpośredniego udziału nauczycieli akademickich wynosi 40 godzin, co odpowiada 1.6 punktom ECTS.
2. Bilans nakładu pracy studenta:
– udział w wykładach: 12 godzin
– udział w ćwiczeniach: 23 godziny
– udział w konsultacjach: 5 godzin
– przygotowanie do ćwiczeń: 15 godzin
– przygotowanie do kolokwiów i egzaminu: 20 godzin
Łączny nakład pracy studenta związany z realizacją przedmiotu wynosi 75 godzin, co odpowiada 3 punktom ECTS.
3. Nakład pracy związany z prowadzonymi badaniami naukowymi
– udział w laboratoriach (z uwzględnieniem metodologii badań naukowych, wyników badań, opracowań): 15 godzin
– konsultacje badawczo-naukowe: 5 godzin
– przygotowanie do zajęć objętych aktywnością naukową: 10 godzin
– przygotowanie do zaliczenia w zakresie aspektów badawczo-naukowych dla realizowanego przedmiotu: 8 godzin
Łączny nakład pracy studenta związany z prowadzonymi badaniami naukowymi wynosi 38 godzin, co odpowiada 1.52 punktom ECTS
4. Czas wymagany do przygotowania się i do uczestnictwa w procesie oceniania:
– przygotowanie do kolokwiów i egzaminu: 20 godzin
Łączny nakład pracy studenta związany z przygotowaniem do uczestnictwa w procesie oceniania wynosi 20 godzin co odpowiada 0.8 punktom ECTS
Learning outcomes - knowledge
(in Polish) W1: zna pojęcie prawdopodobieństwa i zdarzenia losowego (K_B.W24)
W2: zna podstawowe rozkłady prawdopodobieństwa zmiennej losowej dyskretnej (K_B.W24)
W3: zna pojęcia wartości przeciętnej i wariancji (K_B.W24)
W4: zna pojęcia dystrybuanty zmiennej losowej dyskretnej i ciągłej (K_B.W24)
W5: rozumie pojęcie gęstości prawdopodobieństwa zmiennej losowej ciągłej(K_B.W24)
W6: zna podstawowe rozkłady zmiennej losowej ciągłej (K_B.W24)
W7: rozumie pojęcie przedziału ufności (K_B.W24)
W8: zna pojęcie testowania hipotez statystycznych (K_B.W25)
W9: zna pojęcie regresji liniowej i metody wyznaczania jej parametrów (K_B.W25)
Learning outcomes - skills
(in Polish) U1: potrafi wyznaczyć prawdopodobieństwa zdarzeń losowych (K_B.U14)
U2: potrafi wyznaczyć dystrybuantę, wartość oczekiwaną i wariancję dla podstawowych rozkładów zmiennej losowej(K_B.U14)
U3: potrafi wyznaczyć statystyki opisowe próby(K_B.U14)
U4: potrafi korzystać z oprogramowania dedykowanego do analizy danych (np. Statistica, SPSS, SAS, R) (K_B.U14)
U5. potrafi wyznaczyć przedział ufności dla rozkładu t-Studenta (K_B.U14)
U6. potrafi sformułować hipotezy do przeprowadzania wnioskowania statystycznego (K_B.U14)
U7. potrafi wyznaczyć parametry regresji liniowej (K_B.U14)
Learning outcomes - social competencies
(in Polish) K1: potrafi dobrać metodę analizy statystycznej do określonych danych opisać jej wyniki oraz formułować wnioski (K_B.K2)
Teaching methods
(in Polish) Wykład:
wykład informacyjny z prezentacją multimedialną
Ćwiczenia:
metoda klasyczna problemowa z wykorzystaniem oprogramowania do analizy danych
Expository teaching methods
- informative (conventional) lecture
Prerequisites
(in Polish) Do realizacji przedmiotu niezbędne jest zaliczenie przedmiotu Matematyka (semestr I)
Course coordinators
Learning outcomes
After finishing the course student
Assessment criteria
Two tests in writing in a semester carried during the classes decide about crediting students with the classes and their admission to the final examination
The examination is a multiple choice test in writing with negative scores for pointing to wrong answers. The final grade for the course depends on the relative quantity of points collected by the student:
at least 30 % for the grade "dostateczny",
at least 50 % for the grade "dostateczny plus"
at least 67 % for the grade "dobry",
at least 80 % for the grade "dobry plus",
at least 90 % for the grade "bardzo dobry".
Bibliography
Optional reading:
1. A.Petrie and C.Sabin, Medical Statistics at Glance, Wiley-Blackwell 2012
2. M.M. Triola and M. F. Triola, Biostatistics, Pearson 2006
3. W. Daniel, Biostatistics, John Wiley & Sons, Inc. 2009, USA
4. B. R. Kirkwood, J. A. C. Sterne, Essential Medical Statistics Second Edition, Wiley & Sons 2010
5. A.Stanisz, Przystępny kurs statystyki t.1, Statsoft 2006
Additional information
Additional information (registration calendar, class conductors,
localization and schedules of classes), might be available in the USOSweb system: