SylabUZ
| Course name | Basics of data analysis |
| Course ID | 06.4-WI-GeoTSP-PAD-S21 |
| Faculty | Faculty of Civil Engineering, Architecture and Environmental Engineering |
| Field of study | Geoinformatics and satellite technology |
| Education profile | academic |
| Level of studies | First-cycle studies leading to Engineer's degree |
| Beginning semester | winter term 2022/2023 |
| Semester | 2 |
| 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 |
| Class | 30 | 2 | 18 | 1,2 | Credit with grade |
| Lecture | 30 | 2 | 18 | 1,2 | Credit with grade |
Zapoznanie studentów z podstawami analizy danych pomiarowych: opracowania statystycznego wyników, oceny ich wiarygodności i sposobów prezentacji.
Matematyka, Podstawy programowania.
1. Niepewności pomiarowe: zagadnienie cyfr znaczących i zaokrąglania, jednostki
fizyczne, prezentacja liczb.
2. Prawdopodobieństwo: definicja, operacje, prawdopodobieństwo warunkowe,
twierdzenie Bayesa.
3. Rozkłady prawdopodobieństwa: podstawowe rozkłady, dystrybuanta, momenty
zmiennej losowej dla danego rozkładu prawdopodobieństwa.
4. Elementy kombinatoryki: podstawowe zasady kombinatoryki (dodawanie i
mnożenie), permutacje, wariacje (z powtórzeniami i bez), kombinacje.
5. Obliczanie średniej, mediany, mody, odchylenia standardowego, zakresu
zmienność i średniego odchylenia. Populacja i próba.
6. Analiza błędu: niepewności instrumentalne i statystyczne, równanie
propagacji błędu, wariancja i kowariancja, konkretne przypadki równania
propagacji błędu oraz wariancji i kowariancji, zastosowanie równań błędów,
implementacje komputerowe.
7. Estymacja: podstawy, cechy i rodzaje. Przedziały ufności.
8. Rozkład Studenta i jego zastosowania.
9. Metoda największej wiarygodności i metoda najmniejszych kwadratów.
10. Dopasowanie prostej i wielomianu metodą najmniejszych kwadratów.
11. Prezentacja wyników (tabele, wykresy, rysunki).
12. Testowanie dopasowania: test χ2.
13. Współczynnik korelacji liniowej, korelacje wielowymiarowe.
14. Testy nieparametryczne. Metody rangowe. Współczynnik kontyngencji.
Wykład tradycyjny połączony z dyskusją na temat omawianych zagadnień.
Ćwiczenia rachunkowe połączone z laboratorium komputerowym.
| Outcome description | Outcome symbols | Methods of verification | The class form |
Zaliczenie ćwiczeń: pozytywna ocena z kolokwium (zadania rachunkowe) oraz ocena aktywności w trakcie zajęć,
Zaliczenie wykładu: pozytywna ocena ze sprawdzianu (zadania rachunkowe i pytania otwarte).
Ocena końcowa: średnia ocen z ćwiczeń i wykładu.
[1] Jacek Koronacki, Jan Mielniczuk, Statystyka dla studentów kierunków technicznych i przyrodniczych, WNT, Warszawa 2001.
[2] John R. Taylor, Wstęp do analizy błędu pomiarowego, PWN, Warszawa 2012.
[3] Adam Łomnicki, Wprowadzenie do statystyki dla przyrodników, PWN, Warszawa 2019.
[4] Andrzej Zięba, Analiza danych w naukach ścisłych i technice, PWN, Warszawa 2019.
[1] Mieczysław Sobczyk, Statystyka, PWN, Warszawa 2020.
[2] Wacława Starzyńska, Statystyka praktyczna, PWN, Warszawa 2020.
Modified by dr hab. Piotr Lubiński, prof. UZ (last modification: 05-05-2022 16:16)
