1. SylabUZ
2. Faculty of Computer Science, Electrical Engineering and Automatics
3. winter term 2016/2017
4. E-business - First-cycle studies leading to Engineer's degree
5. Fundamentals of data analysis

Generate PDF for this page

Fundamentals of data analysis - course description

Aim of the course

• zapoznanie studentów z podstawowymi procedurami jakościowej i ilościowej analizy danych
• ukształtowanie krytycznego spojrzenia na wiarygodność inżynierskich analiz statystycznych
• ukształtowanie umiejętności szacowania niepewności w praktyce inżynierskich badań eksperymentalnych

Prerequisites

Save changes

brak

Scope

Wstępna analiza danych. Szeregi rozdzielcze punktowe i przedziałowe. Histogram. Miary położenia, zmienności, asymetrii i koncentracji. Odrzucanie danych.

Prawdopodobieństwo. Przestrzeń zdarzeń elementarnych. Definicje prawdopodobieństwa: klasyczna, częstościowa i współczesna. Podstawowe własności prawdopodobieństwa. Prawdopodobieństwo warunkowe. Niezależność. Prawdopodobieństwo całkowite. Wzór Bayesa.

Zmienne losowe dyskretne i ciągłe. Zmienne losowe dyskretne. Rozkłady: dwupunktowy, Bernoulliego, Poissona i geometryczny. Funkcje zmiennych losowych. Pojęcia wartości oczekiwanej i wariancji zmiennej losowej. Rozkłady łączne wielu zmiennych losowych. Niezależność zmiennych losowych. Zmienne losowe ciągłe. Rozkład równomierny. Rozkład wykładniczy. Pojęcie dystrybuanty zmiennej losowej. Rozkład normalny.

Podstawy wnioskowania statystycznego. Schematy losowania próby. Próba prosta. Twierdzenia graniczne. Rozkłady: chi-kwadrat, t-Studenta i Fishera-Snedecora. Estymacja punktowa i przedziałowa. Nieobciążoność, zgodność, efektywność i dostateczność.

Estymacja parametryczna. Przedziały ufności dla wartości oczekiwanej, wariancji, odchylenia standardowego, prawdopodobieństw oraz różnic prawdopodobieństw i wartości oczekiwanych.

Testowanie hipotez statystycznych. Parametryczne testy istotności dla wartości oczekiwanej i wariancji wskaźnika struktury w populacji. Testowanie zgodności.

Teaching methods

wykład: wykład konwencjonalny
ćwiczenia: ćwiczenia rachunkowe

Learning outcomes and methods of theirs verification

Outcome description	Outcome symbols	Methods of verification	The class form

Assignment conditions

Wykład – uzyskanie oceny pozytywnej ze egzaminu w formie pisemnej i/lub ustnej.

Ćwiczenia – uzyskanie pozytywnych ocen z kolokwiów pisemnych przeprowadzonych co najmniej trzy razy w semestrze; ocena końcowa stanowi medianę ocen kolokwium.

Ocena końcowa = 50 % oceny zaliczenia z formy zajęć wykład + 50 % oceny zaliczenia z formy zajęć ćwiczenia.

Recommended reading

1. Koronacki, J., Mielniczuk, J., Statystyka dla studentów kierunków technicznych i przyrodniczych, Warszawa, WNT, 2001.
2. Sobczyk, M., Statystyka, Warszawa, PWN, 2007.
3. Krysicki, W., Bartos, J., Dyczka, W., Królikowska, K., Wasilewski, M., Rachunek prawdopodobieństwa i statystyka matematyczna w zadaniach, Warszawa, PWN, 2012.
4. Kukuła, K.: Elementy statystyki w zadaniach, Warszawa, PWN, 1989.

Further reading

1. Stasiewicz, S., Rusnak Z., Siedlecka, U., Statystyka. Elementy teorii i zadania, Wrocław, Wydawnictwo Akademii Ekonomicznej im. Oskara Langego, 1997.
2. Starzyńska, W., Statystyka praktyczna, Warszawa, PWN, 2000.
3. Gajek, L., Kałuszka, M.: Wnioskowanie statystyczne. Modele i metody, Warszawa, WNT, 2000.

Notes

Modified by dr hab. inż. Marcin Mrugalski, prof. UZ (last modification: 03-10-2016 00:04)