SylabUZ
| Course name | Fundamentals of business analytics |
| Course ID | 04.2-WE-BEP-PAB |
| Faculty | Faculty of Computer Science, Electrical Engineering and Automatics |
| Field of study | E-business |
| Education profile | practical |
| Level of studies | First-cycle studies leading to Engineer's degree |
| Beginning semester | winter term 2016/2017 |
| Semester | 2 |
| 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 |
| Laboratory | 30 | 2 | 18 | 1,2 | Credit with grade |
| Lecture | 30 | 2 | 18 | 1,2 | Exam |
podstawy analizy danych
Oprogramowanie statystyczne analityki biznesowej. Podstawy obsługi programu JMP: tabele danych; wykresy; raporty; skrypty; edytor formuł; techniki symulacji; statystyka opisowa i wnioskowanie. Podstawy obsługi systemu SAS: elementy języka; krok danych; przetwarzanie danych; krok proc; wyrażenia globalne; grafika; podstawowe procedury statystyczne; debugowanie. Wykorzystanie środowiska Enterprise Guide. Podstawy obsługi systemu R: elementy języka R, programowanie, przetwarzanie danych i wizualizacja.
Analiza zależności zmiennych ilościowych. Model liniowy regresji. Własności estymatorów metody najmniejszych kwadratów. Diagnostyka modelu regresji. Punkty oddalone, punkty o wysokiej dźwigni i obserwacje wpływowe. Transformacje w celu osiągnięcia liniowości. Regresja logistyczna.
Analiza wariancji. Analiza jednoczynnikowa. Test F analizy wariancji. Związki z analizą regresji. Porównania wielokrotne. Analiza dwuczynnikowa.
Analiza danych jakościowych. Testowanie prostej i złożonej hipotezy o zgodności dla jednej zmiennej. Testowanie jednorodności. Testowanie niezależności dla dwóch zmiennych losowych.
Metody wyboru próby z populacji skończonej. Metoda reprezentacyjna. Estymatory parametrów populacji dla różnych schematów losowania.
Metoda Monte Carlo. Generatory liczb pseudolosowych. Szacowanie parametrów rozkładu metodą Monte Carlo. Testy permutacyjne. Estymacja rozkładu statystyki metodą bootstrap.
Metody rangowe. Porównanie rozkładu cech w dwóch populacjach. Testy porównania rozkładów dla par obserwacji. Rangowe testy niezależności. Porównanie rozkładów cech w wielu populacjach. Metody rangowe dla modelu regresji liniowej.
Metody redukcji wymiaru. Analiza składowych głównych. Analiza czynnikowa. Komponenty zdefiniowane przez użytkownika.
Analiza szeregów czasowych i prognozowanie. Agregacja i interpolacja szeregów czasowych. Wygładzanie wykładnicze szeregów bez sezonowości. Przedziały ufności prognoz. Wygładzanie wykładnicze w prognozowaniu dla szeregów z sezonowością. Wygładzanie wykładnicze a modele parametryczne AR, MA, ARMA, ARIMA. Modele ze składowymi nieobserwowanymi.
Wykład - wykład konwencjonalny.
Laboratorium - ćwiczenia laboratoryjne w oparciu o oprogramowanie SAS, JMP i R.
| Outcome description | Outcome symbols | Methods of verification | The class form |
Wykład – uzyskanie oceny pozytywnej z egzaminu w formie pisemnej i/lub ustnej.
Laboratorium – uzyskanie pozytywnych ocen wykonania wszystkich ćwiczeń laboratoryjnych oraz pozytywnych ocen pisemnych lub ustnych sprawdzianów przygotowania do tych ćwiczeń; ocena końcowa stanowi medianę uzyskanych ocen.
Ocena końcowa = 50 % oceny zaliczenia z formy zajęć wykład + 50 % oceny zaliczenia z formy zajęć laboratorium.
Modified by dr hab. inż. Marcin Mrugalski, prof. UZ (last modification: 03-10-2016 00:08)
