Prowadzony w
cyklach:
2022/23Z, 2023/24Z, 2024/25Z, 2025/26Z
Kod ISCED: 0613
Punkty ECTS:
5
Język:
polski
Organizowany przez:
Wydział Matematyki i Informatyki
Wstęp do statystycznej analizy danych 1000-I1SAD
- Doświadczenia losowe, przykłady. Aksjomaty teorii prawdopodobieństwa. Przestrzeń probabilistyczna. Klasyczna definicja prawdopodobieństwa.
- Prawdopodobieństwo warunkowe. Niezależność zdarzeń i niezależność doświadczeń losowych. Schemat Bernoulliego.
- Zmienne losowe i ich rozkłady. Rozkłady dyskretne i absolutnie ciągłe. Dystrybuanta rozkładu. Wartość oczekiwana i wariancja zmiennej losowej.
- Twierdzenia graniczne rachunku prawdopodobieństwa.
- Przykłady problemów statystycznych i analizy danych. Podstawowe pojęcia. Wstępna obróbka danych.
- Statystyka opisowa. Miary położenia (tendencji centralnej), rozproszenia, asymetrii, koncentracji.
- Przykłady wnioskowania statystycznego: estymacja wartości oczekiwanej i wariancji, testowanie prostych hipotez o wartości oczekiwanej.
- Korelacja, współczynniki korelacji.
Całkowity nakład pracy studenta
- godziny realizowane z udziałem nauczycieli: 60h (30h wykład + 15h ćwiczenia + 15h laboratorium),
- czas poświęcony na bieżące przygotowanie do zajęć: 50h,
- czas poświęcony na przygotowanie do zaliczenia i egzaminu: 35h,
- czas poświęcony na egzamin: 3h
Efekty uczenia się - wiedza
- ma wiedzę w zakresie metod probabilistycznych i statystyki, w tym twierdzeń granicznych (K_W01)
Efekty uczenia się - umiejętności
posiada umiejętność wykonania analizy danych liczbowych na poziomie statystyki opisowej z wykorzystaniem jednego ze standardowych pakietów statystycznych (K_U18)
Efekty uczenia się - kompetencje społeczne
- samodzielnie i efektywnie pracuje z dużą ilością danych, dostrzega zależności i poprawnie wyciąga wnioski posługując się zasadami logiki
(K_K03),
- przekazuje innym swoją wiedzę i przemyślenia w zrozumiały sposób; właściwie rozumie sformułowania pytań i problemów, poprawnie posługuje się terminologią fachową (K_K05)
Metody dydaktyczne podające
- wykład informacyjny (konwencjonalny)
Metody dydaktyczne poszukujące
- laboratoryjna
- ćwiczeniowa
- ćwiczeniowa
Rodzaj przedmiotu
przedmiot obligatoryjny
Wymagania wstępne
podstawowy kurs z Analizy Matematycznej i Matematyki Dyskretnej
Koordynatorzy przedmiotu
Kryteria oceniania
Egzamin pisemny, zaliczenie z ćwiczeń na ocenę oraz zaliczenie laboratorium na ocenę. Zaliczenie z ćwiczeń i laboratorium sprawdza osiągnięcie efektów K_W01, K_U18, K_K03, K_K05. Egzamin sprawdza osiągnięcie efektów K_W01, K_K05.
Literatura
Literatura podstawowa:
- Jakubowski J., Sztencel R. Rachunek prawdopodobieństwa dla (prawie) każdego. SCRIPT, Warszawa, 2002.
- Koronacki J., Mielniczuk J. Statystyka. WNT, Warszawa, 2001.
- Larose D. T. Metody i modele eksploracji danych. PWN, Warszawa, 2008.
Literatura uzupełniająca:
- Brandt S. Analiza danych. PWN, Warszawa, 1998.
- Niemiro W. Rachunek prawdopodobieństwa i statystyka matematyczna. Szkoła Nauk Ścisłych, Warszawa, 1999.
- Zieliński R. Siedem wykładów wprowadzających do statystyki matematycznej. PWN, Warszawa, 1990.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: