1. SylabUZ
2. Wydział Matematyki, Informatyki i Ekonometrii
3. semestr zimowy 2022/2023
4. Informatyka i ekonometria - pierwszego stopnia z tyt. licencjata
5. Statystyka matematyczna laboratorium

Wygeneruj PDF dla tej strony

Statystyka matematyczna laboratorium - opis przedmiotu

Cel przedmiotu

Zapoznanie studenta z praktycznymi podstawami wnioskowania statystycznego.

Wymagania wstępne

Zapisz zmiany

Zaliczony wykład z Rachunku prawdopodobieństwa.

Zakres tematyczny

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.

Metody kształcenia

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

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu	Symbole efektów	Metody weryfikacji	Forma zajęć

Warunki zaliczenia

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.

Literatura podstawowa

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.

Literatura uzupełniająca

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.

 

Uwagi

Zmodyfikowane przez dr Alina Szelecka (ostatnia modyfikacja: 04-07-2022 14:01)