SylabUZ
Wydział Matematyki, Informatyki i Ekonometrii
semestr zimowy 2020/2021
Computer science and econometrics - drugiego stopnia z tyt. magistra
Analiza wielowymiarowa
Analiza wielowymiarowa - opis przedmiotu
Informacje ogólne
Nazwa przedmiotu
Analiza wielowymiarowa
Kod przedmiotu
11.5-WK-IiED-AW-Ć-S14_pNadGenA8EGT
Wydział
Wydział Matematyki, Informatyki i Ekonometrii
Kierunek
Computer science and econometrics
Profil
ogólnoakademicki
Rodzaj studiów
drugiego stopnia z tyt. magistra
Semestr rozpoczęcia
semestr zimowy 2020/2021
Informacje o przedmiocie
Semestr
1
Liczba punktów ECTS do zdobycia
7
Typ przedmiotu
obowiązkowy
Język nauczania
polski
Sylabus opracował
dr hab. Stefan Zontek, prof. UZ
Formy zajęć
Forma zajęć
Liczba godzin w semestrze (stacjonarne)
Liczba godzin w tygodniu (stacjonarne)
Liczba godzin w semestrze (niestacjonarne)
Liczba godzin w tygodniu (niestacjonarne)
Forma zaliczenia
Ćwiczenia
30
2
-
-
Zaliczenie na ocenę
Wykład
30
2
-
-
Egzamin
Cel przedmiotu
Aim of the course is to familiarize students with statistical methods applied for analyzing multivariate data.
Wymagania wstępne
Zapisz zmiany
Passed lectures on: linear algebra, probability theory, mathematical statistics.
Zakres tematyczny
Lecture
Random vectors and its probability distributions. Multivariate normal distribution. (4 hours)
Introduction to point estimation in multivariate models. (4 hours)
Fundamental sample distribution for multivariate normal model. (4 hours)
Hotelling’s T^2 distribution and its applications. (6 hours)
Principal components. (4 hours)
Analysis of canonical correlation. (4 hours)
Discriminant analysis. (4 hours)
Class
Some elements form linear algebra used in multivariate statistical inferences. (4 hours)
The expectation and the covariance matrix under linear transformation. (2 hours)
Calculations of confidence areas and simultaneous confidence intervals. (4 hours)
Hotelling’s T^2 tests. (4 hours)
Test I. (2 hours)
Calculation of principal components. (4 hours)
Calculation of canonical variables. (4 hours)
Calculation of Bayesian classification rules. (4 hours)
Test II. (2 hours)
Metody kształcenia
Lecture traditional. Class - solving problems from prepared lists.
Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się
Opis efektu
Symbole efektów
Metody weryfikacji
Forma zajęć
Warunki zaliczenia
Literatura podstawowa
D.F. Morrison, Wielowymiarowa analiza statystyczna, PWN, Warszawa, 1990
M. Krzyśko, Wielowymiarowa analiza statystyczna, UAM, Poznań, 2000
Literatura uzupełniająca
M.S. Srivastava, C.G. Kathri, An introduction to multivariate statistics, North-Holland Pub., Amsterdam 1979.
Uwagi
Zmodyfikowane przez dr hab. Stefan Zontek, prof. UZ (ostatnia modyfikacja: 20-10-2020 11:26)