1. SylabUZ
2. Wydział Ekonomii i Zarządzania
3. semestr zimowy 2022/2023
4. Bezpieczeństwo narodowe - drugiego stopnia z tyt. magistra
5. Analiza danych

Wygeneruj PDF dla tej strony

Analiza danych - opis przedmiotu

Cel przedmiotu

Przedmiot ma za zadanie nauczyć studenta przede wszystkim interpretowania otrzymanych wyników, opisu i interpretacji wykresów, danych tabelarycznych oraz krytycznej postawy wobec publikowanych danych. Student powinien umieć znaleźć informacje statystyczne oraz skonfrontować je z publikowanymi.

 

Wymagania wstępne

Zapisz zmiany

Student posiada ogólne umiejętności korzystania z arkuszy kalkulacyjnych, tworzenia wykresów i tabel.

Zakres tematyczny

1) Znaczenie danych statystycznych w życiu gospodarczym i publicznym. 2) Analiza danych zastanych i ich źródła. Dane wywołane. Desk research. 3) Podstawowe pakiety statystyczne. 4) Metody graficzne i ich znaczenie. 5) Opis i interpretacja wykresu oraz tabeli statystycznej. 6) Ilościowa i jakościowa analiza treści. 7) Wydobywanie informacji z danych. Tabele przestawne. 8) Tworzenie wykresów dla różnych typów danych. 9) Zależność między zmiennymi (korelacja). 10) Wykorzystywanie testów. 11) Krytyka danych zawartych w opracowaniach popularnych lub artykułach prasowych (mass media).

Metody kształcenia

Zajęcia realizowane są przede wszystkim metodą problemową. Podstawowymi metodami kształcenia są: praca pod kierunkiem nad tekstem źródłowym, danymi statystycznymi publikacjami prasowymi oraz praca z pakietami statystycznymi.

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu	Symbole efektów	Metody weryfikacji	Forma zajęć

Warunki zaliczenia

Warunkiem zaliczenia przedmiotu jest pisemna analiza wybranego problemu za pomocą dowolnego pakietu statystycznego oraz prezentacja wyników na forum grupy. Na ocenę końcową składa się średnia ocen z pracy pisemnej oraz prezentacji.

Literatura podstawowa

1. Analiza danych zastanych. Przewodnik dla studentów, red. M. Makowska, Warszawa 2013.
2. Biostatystyka, red. A. Stanisz, Kraków, 2005.
3. Gornick L., Smith W., Statystyka. Przewodnik mocno ilustrowany, Warszawa 2011.
4. Malinowski A., Statystyka w administracji, Warszawa 2014.

Literatura uzupełniająca

1. Gatnar E., Symboliczne metody klasyfikacji danych, Warszawa 1998.
2. Grus J., Data science od podstaw. Analiza danych w Pythonie, Warszawa 2020.
3. Roczniki statystyczne GUS.

Bazy danych, m. in.: stat.gov.pl, eurostat, data.un.org

Uwagi

Zmodyfikowane przez dr Hanna Kurowska (ostatnia modyfikacja: 19-05-2022 22:54)