SylabUZ
| Course name | Representation Methods |
| Course ID | 11.1-WK-IiED-MR-L-S14_pNadGenWEERZ |
| Faculty | Faculty of Mathematics, Computer Science and Econometrics |
| Field of study | Informatics and Econometrics |
| Education profile | academic |
| Level of studies | Second-cycle studies leading to MS degree |
| Beginning semester | winter term 2020/2021 |
| Semester | 4 |
| ECTS credits to win | 4 |
| 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 |
| Laboratory | 15 | 1 | - | - | Credit with grade |
| Lecture | 30 | 2 | - | - | Credit with grade |
Zapoznanie studenta z podstawowymi schematami losowania i metodami analizy danych stosowanymi w badaniach populacji skończonych.
Zaliczone przedmioty: rachunek prawdopodobieństwa, statystyka matematyczna.
Wykład
1. Populacja generalna – parametry populacji generalnej, badanie kompleksowe, badanie częściowe, reprezentatywność próby. (2 godz.)
2. Schematy losowania próby; estymatory wartości średniej badanej cechy (własności estymatorów); porównywanie efektywności schematów losowania: – losowanie bez zwracania, losowanie ze zwracaniem, (4 godz.) – losowanie warstwowe, (6 godz.) – losowanie zespołowe, (4 godz.) – losowanie systematyczne, (4 godz.) – losowanie dwustopniowe. (6 godz.)
3. Estymatory ilorazowe i regresyjne. (2 godz.)
4. Zaliczenie wykładu. (2 godz.)
Laboratorium
1. Zajęcia wprowadzająco-przypominające dotyczące wykorzystywanego oprogramowania. (2 godz.) 2. Na podstawie książkowych przykładów analiza porównawcza efektywności estymatorów średniej w populacji generalnej przy zastosowaniu różnych schematów losowania. (11 godz.)
3. Kolokwium. (2 godz.)
Wykład tradycyjny (kreda i tablica tylko do najważniejszych sformułowań, dowodów, przekształceń wzorów), W czasie laboratorium wzrokowa weryfikacja poprawności wyboru uruchomianych procedur na wszystkich stanowiskach komputerowych. Wyrywkowe pytania kontrolne dotyczące interpretacji wyników użytych procedur. Na zakończenie laboratorium kolokwium z zadaniami o zróżnicowanym stopniu trudności, pozwalającymi na ocenę, czy student osiągnął efekty kształcenia w stopniu minimalnym. Zaliczenie wykładu na podstawie uzyskanego zaliczenia z laboratorium
| Outcome description | Outcome symbols | Methods of verification | The class form |
1. W czasie laboratorium wzrokowa weryfikacja poprawności wyboru uruchomianych procedur na wszystkich stanowiskach komputerowych. Wyrywkowe pytania kontrolne dotyczące interpretacji wyników użytych procedur. Kolokwium na laboratorium z zadaniami o zróżnicowanym stopniu trudności, pozwalającymi na ocenę, czy student osiągnął efekty kształcenia w stopniu minimalnym.
2. Na ostatnim wykładzie (wtedy obecność jest obowiązkowa) wskazywani studenci(tki) odpowiadają przy tablicy na pytania dotyczące sposobu organizacji i efektywności omówionych na wykładzie schematów losowania. Wszyscy studenci(tki) są wywoływani, a odpowiedzi są oceniane.
W przypadku nie uzyskania oceny pozytywnej, jest możliwość poprawy.
Na ocenę z przedmiotu składa się ocena z laboratorium (70%) i ocena z wykładu (30%).
Warunkiem zaliczenia przedmiotu są pozytywne oceny z laboratorium i wykładu.
1. R. Zasępa, Badania statystyczne metodą reprezentacyjną, PWN, Warszawa 1962.
2. J. Steczkowski, Metoda reprezentacyjna w badaniach zjawisk ekonomiczno-społecznych, PWN, Warszawa – Kraków 1995.
1. Peter W. M. John, Statistical methods in engineering and quality assurance. Wiley series in probability and mathematical statistics, 1990.
Modified by dr Alina Szelecka (last modification: 05-06-2020 12:23)
