SylabUZ
Course name | Statistical Data Analysis |
Course ID | 11.2-WA-IDP-ADS-W-S14_pNadGenONBWS |
Faculty | Faculty of Mathematics, Computer Science and Econometrics |
Field of study | Data Engineering |
Education profile | academic |
Level of studies | First-cycle studies leading to Engineer's degree |
Beginning semester | winter term 2020/2021 |
Semester | 4 |
ECTS credits to win | 5 |
Course type | obligatory |
Teaching language | polish |
Author of syllabus |
|
The class form | Hours per semester (full-time) | Hours per week (full-time) | Hours per semester (part-time) | Hours per week (part-time) | Form of assignment |
Lecture | 30 | 2 | - | - | Exam |
Laboratory | 30 | 2 | - | - | Credit with grade |
Celem przedmiotu analiza danych statystycznych jest zapoznanie studenta z podstawowymi metodami analiz statystycznych oraz programem wspomagającym te analizy. Wszystkie metody i zagadnienia ilustrowane będą praktycznymi/rzeczywistymi przykładami. Po ukończeniu kursu student powinien być przygotowany do samodzielnego przeprowadzenia podstawowych analiz statystycznych, przedstawienia wyników w formie czytelnej i zrozumiałej dla zleceniodawcy.
Student powinien zaliczyć przedmioty: Analiza matematyczna 1 i 2, Algebra liniowa, Algebra liniowa i geometria analityczna, Wstęp do rachunku prawdopodobieństwa.
Wykład/laboratorium:
1. Zaprezentowanie praktycznych metod statystyki matematycznej służących analizie danych statystycznych:
2. Wykorzystanie odpowiedniego pakietu statystycznego do przeprowadzenia niezbędnych analiz statystycznych.
Wykład: tradycyjny i problemowy; dostępny w formie elektronicznej.
Laboratorium: ćwiczenia laboratoryjne w pracowni komputerowej; samodzielne wykonywanie analiz statystycznych przy wykorzystaniu programu komputerowego; dyskusja na temat przeprowadzonych analiz związanych z ich zastosowaniem w wybranych dziedzinach (ekonomii, socjologii, fizyce, biologii, medycynie i innych).
Outcome description | Outcome symbols | Methods of verification | The class form |
Udział w zajęciach jest obowiązkowy.
Wykład: standaryzowany egzamin pisemny.
Laboratorium: sprawdzanie stopnia przygotowania studentów oraz ich aktywności w trakcie zajęć; kolokwia pisemne z zadaniami o zróżnicowanym stopniu trudności pozwalającymi na ocenę czy student osiągnął efekty kształcenia w stopniu minimalnym.
Na ocenę z przedmiotu składa się ocena z laboratorium (30%) oraz ocena z egzaminu pisemnego (70%). Warunkiem zaliczenia przedmiotu są pozytywne oceny z laboratorium i egzaminu.
1. A. D. Aczel Statystyka w zarządzaniu PWN Warszawa 2000.
2. T. Górecki Podstawy statystyki z przykładami w R BTC Legionowo 2011.
3. J. Koronacki J. Mielniczuk Statystyka dla studentów kierunków technicznych i przyrodniczych WNT Warszawa 2001.
4. red. naukowa M. Walesiak E. Gatnar Statystyczna analiza danych z wykorzystaniem programu R, PWN Warszawa 2009.
5. A. Zielaś Metody statystyczne PWE Warszawa 2000.
6. W. N. Venables D. M. Smith and the Core Team An Introducion to R 2012 http://www.R-project.org
1. R Core Team R: A Language and Environment for Statistical Computing R Foundation for Statistical Computing Vienna Austria 2012 http://www.R-project.org.
2. Cz. Domański Testy statystyczne PWE Warszawa 1990.
3. R. Nowak Statystyka dla fizyków PWN Warszawa 2002.
Modified by dr Alina Szelecka (last modification: 08-06-2020 10:09)