1. SylabUZ
2. Faculty of Mathematics, Computer Science and Econometrics
3. winter term 2022/2023
4. Informatics and Econometrics - First-cycle studies leading to Bachelor's degree
5. Mathematical Statistics - Laboratory

Generate PDF for this page

Mathematical Statistics - Laboratory - course description

Aim of the course

Zapoznanie studenta z praktycznymi podstawami wnioskowania statystycznego.

Prerequisites

Save changes

Zaliczony wykład z Rachunku prawdopodobieństwa.

Scope

1. Zajęcia wprowadzające dotyczące wykorzystywanego oprogramowania.
2. Wyliczanie prawdopodobieństw. Zastosowanie i zilustrowanie działania Centralnego Twierdzenia Granicznego.
3. Podstawowe rozkłady statystyki matematycznej. Wyznaczanie kwantyli oraz wartości krytycznych.
4. Zilustrowanie wpływu parametrów rozkładu normalnego na wartości próby (symulacje).
5.  Zilustrowanie działania twierdzenia o zbieżności dystrybuanty empirycznej.
6. Estymacja punktowa.
7. Wyznaczanie przedziałów ufności dla parametrów rozkładu normalnego. Badanie wpływu poziomu ufności i rozmiaru próby na długość wyznaczanych przedziałów.
8. Podstawy weryfikacji hipotez statystycznych: błąd pierwszego i drugiego rodzaju. Moc testu. Obszar krytyczny i p-wartość.
9. Testowanie hipotez statystycznych w modelu normalnym. Zastosowanie przedziałów ufności do weryfikacji hipotez.
10. Testy zgodności rozkładu.

Teaching methods

Rozwiązywanie zadań z danymi umownymi i rzeczywistymi przy użyciu wybranego pakietu statystycznego z wykorzystaniem odpowiednich narzędzi teoretycznych.

Learning outcomes and methods of theirs verification

Outcome description	Outcome symbols	Methods of verification	The class form

Assignment conditions

Ocena z laboratorium wystawiona jest na podstawie dwóch kolokwiów z zadaniami o zróżnicowanym poziomie trudności, pozwalającymi określić stopień opanowania narzędzi statystycznych oraz umiejętność poprawnego wnioskowania w oparciu o otrzymane wyniki analiz. Warunkiem zaliczenia przedmiotu jest pozytywna ocena uzyskana po zdobyciu co najmniej 50% maksymalnej sumy punktów z dwóch kolokwiów.

Recommended reading

1. P. Bruce, A. Bruce, P. Gedeck, Statystyka praktyczna w data science. 50 kluczowych zagadnień w językach R i Python, Helion 2021.

2. J. Grus, Data science od podstaw. Analiza danych w Pythonie, Helion 2018.

3. M. Sobczyk, Statystyka, Wydawnictwo Naukowe PWN, Warszawa 1996.

4. A.  Zeliaś, Metody statystyczne, Polskie Wydawnictwo Ekonomiczne, Warszawa 2000.

Further reading

1. K. Black, Business Statistics For Contemporary Decision Making, 6th Edition, John Wiley & Sons, Inc. 2010.

2. J. Koronacki, J. Mielniczuk, Statystyka dla studentów kierunków technicznych i przyrodniczych, WNT, Warszawa 2001.

 

Notes

Modified by dr Alina Szelecka (last modification: 04-07-2022 14:01)