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 40 godzin, co odpowiada 1.6 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.W25)
W2: zna podstawowe rozkłady prawdopodobieństwa zmiennej losowej dyskretnej (K_B.W25)
W3: zna pojęcia wartości przeciętnej i wariancji (K_B.W25)
W4: zna pojęcia dystrybuanty zmiennej losowej dyskretnej i ciągłej (K_B.W25)
W5: rozumie pojęcie gęstości prawdopodobieństwa zmiennej losowej ciągłej(K_B.W25)
W6: zna podstawowe rozkłady zmiennej losowej ciągłej (K_B.W25)
W7: rozumie pojęcie przedziału ufności (K_B.W25)
W8: zna pojęcie testowania hipotez statystycznych (K_B.W26)
W9: zna pojęcie regresji liniowej i metody wyznaczania jej parametrów (K_B.W26)
Learning outcomes - skills
(in Polish) U1: potrafi wyznaczyć prawdopodobieństwa zdarzeń losowych (K_B.U11)
U2: potrafi wyznaczyć dystrybuantę, wartość oczekiwaną i wariancję dla podstawowych rozkładów zmiennej losowej(K_B.U11)
U3: potrafi wyznaczyć statystyki opisowe próby(K_B.U11)
U4: potrafi korzystać z oprogramowania dedykowanego do analizy danych (np. Statistica, SPSS, SAS, R) (K_B.U11)
U5. potrafi wyznaczyć przedział ufności dla rozkładu t-Studenta (K_B.U11)
U6. potrafi sformułować hipotezy do przeprowadzania wnioskowania statystycznego (K_B.U11)
U7. potrafi wyznaczyć parametry regresji liniowej (K_B.U11)
Learning outcomes - social competencies
(in Polish) K1: potrafi dobrać metodę analizy statystycznej do określonych danych opisać jej wyniki oraz formułować wnioski (K_K8)
Course coordinators
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)
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: