Statystyka matematyczna I 1000-MS1-StatMat1

Zagadnienia, które będą omówione na wykładzie:
1.(6 godz.) Wprowadzenie do przedmiotu. Statystyczne charakterystyki populacji i ich próbkowe odpowiedniki. Modele statystyczne i przykładowe zadania wnioskowania statystycznego. Statystyki i ich rozkłady.
2. (11 godz.) Estymacja w modelach parametrycznych. Metody estymacji punktowej, metoda momentów, metoda największej wiarogodności. Porównywanie estymatorów, obciążenie estymatora. Informacja Fishera. Nierółwność Cramera-Rao. Estymatory efektywne. Asymptotyczne własności estymatorów. Estymacja przedziałowa.
3. (9 godz.) Testowanie hipotez. Ogólne zasady wnioskowania. Testy parametryczne. Przykładowe testy nieparametryczne. Błędy 1-go i 2-go rodzajów, moc testu. Lemat Neymana-Pearsona.
4. (4 godz.) Analiza zależności zmiennych. Testowanie niezależności zmiennych. Korelacja, współczynniki korelacji.

Całkowity nakład pracy studenta

- godziny realizowane z udziałem nauczycieli: 75 godz. (30 godz. wykład + 15 godz. ćwiczenia + 30 godz. laboratorium), - praca własna (bieżące przygotowanie do zajęć, studiowanie literatury): 60 godz., - czas poświęcony na przygotowanie do zaliczeń i egzaminu: 40 godz., - czas poświęcony na zaliczenie laboratorium, ćwiczeń i egzamin: 5 godzin. Razem 180 godz. (7 pkt ECTS).

Efekty uczenia się - wiedza

SM_W1: Zna najważniejsze zagadnienia statystyki matematycznej i jej praktyczne zastosowania (K_W02, K_W03). SM_W2: Zna podstawy rachunku prawdopodobieństwa i statystyki matematycznej w stopniu wystarczającym do opisu i analizy eksperymentu losowego i przeprowadzania prostego rozumowania statystycznego (K_W02, K_W06). SM_W3: Ma wiedzę na temat przeprowadzania analizy danych z wykorzystaniem pakietów statystycznych (K_W07).

Efekty uczenia się - umiejętności

SM_U1: Potrafi zbudować i zinterpretować model doświadczenia losowego, umie posłużyć się statystycznymi charakterystykami populacji oraz ich próbkowymi odpowiednikami (K_U16). SM_U2: Potrafi prowadzić wnioskowania statystyczne, również z wykorzystaniem narzędzi komputerowych (K_U16). SM_U3: Potrafi dobrać odpowiedni program do statystycznej analizy danych i zastosować go do wyciągania poprawnych wniosków na temat analizowanych danych (K_U02, K_U03). SM_U4: Umie poprawnie zaprezentować i zinterpretować wyniki wykonanych analiz statystycznych (K_U02, K_U19).

Efekty uczenia się - kompetencje społeczne

SM_K1: Przekazuje innym swoją wiedzę w zakresie statystyki matematycznej i analizy danych w zrozumiały sposób, rozumie potrzebę odpowiedniego prezentowania wyników badań i analiz (K_K03). SM_K2: Pracuje systematycznie i umie samodzielnie realizować uzgodnione cele; dotrzymuje terminów (K_K02).

Metody dydaktyczne

Wykład informacyjny (konwencjonalny), pokaz, metody ćwiczeniowa i laboratoryjna.

Metody dydaktyczne eksponujące

- pokaz

Metody dydaktyczne podające

- wykład informacyjny (konwencjonalny)

Metody dydaktyczne poszukujące

- ćwiczeniowa
- laboratoryjna

Rodzaj przedmiotu

przedmiot obligatoryjny

Wymagania wstępne

Kursy: Statystyka opisowa, Rachunek prawdopodobieństwa I, Wprowadzenie do eksploracji danych.

Koordynatorzy przedmiotu

Aleksander Zaigrajew

Kryteria oceniania

Egzamin pisemny, zaliczenie z ćwiczeń i laboratorium.
Zaliczenie ćwiczeń - przez sprawdzenie umiejętności rozwiązywania zadań (kolokwium pisemne) - na ocenę.
Zaliczenie laboratoriów odbywa się na podstawie dwóch sprawdzianów oraz/lub projektów - na ocenę.
Zaliczenie z ćwiczeń i laboratorium weryfikuje osiągnięcie efektów SM_W2, SM_W3, SM_U1, SM_U2, SM_U3, SM_U4, SM_K2.
Egzamin sprawdza osiągnięcie efektów SM_W1, SM_W2, SM_U1, SM_U2, SM_K1.

Praktyki zawodowe

Nie dotyczy.

Literatura

Literatura podstawowa:
1. W. Niemiro, Rachunek prawdopodobieństwa i statystyka matematyczna, SNS 1999.
2. J. Koronacki, J. Mielniczuk, Statystyka dla studentów kierunków technicznych i przyrodniczych, WNT 2004.
3. W. Krysicki, J. Bartos, W. Dyczka, K. Królikowska, M. Wasilewski, Rachunek prawdopodobieństwa i statystyka matematyczna w
zadaniach. Część 2., PWN 1995.
Literatura uzupełniająca:
1. D. T. Larose, Odkrywanie wiedzy z danych, PWN 2006.
2. D. T. Larose, Metody i modele eksploracji danych, PWN 2008.
3. R. Zieliński, Siedem wykładów wprowadzających do statystyki matematycznej, PWN 1990.

Więcej informacji

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu 1000-MS1-StatMat1 w USOSweb