SylabUZ

Wygeneruj PDF dla tej strony

Podstawy analityki biznesowej - opis przedmiotu

Informacje ogólne
Nazwa przedmiotu Podstawy analityki biznesowej
Kod przedmiotu 04.2-WE-BEP-PAB
Wydział Wydział Informatyki, Elektrotechniki i Automatyki
Kierunek Biznes elektroniczny
Profil praktyczny
Rodzaj studiów pierwszego stopnia z tyt. inżyniera
Semestr rozpoczęcia semestr zimowy 2018/2019
Informacje o przedmiocie
Semestr 2
Liczba punktów ECTS do zdobycia 5
Typ przedmiotu obowiązkowy
Język nauczania polski
Sylabus opracował
  • prof. dr hab. inż. Dariusz Uciński
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
Laboratorium 30 2 18 1,2 Zaliczenie na ocenę
Wykład 30 2 18 1,2 Egzamin

Cel przedmiotu

  • zapoznanie studentów z zaawansowanymi procedurami jakościowej i ilościowej analizy danych
  • ukształtowanie umiejętności posługiwania się oprogramowaniem statystycznym w analizie danych
  • ukształtowanie umiejętności analizy i prognozowania szeregów czasowych.

Wymagania wstępne

podstawy analizy danych

Zakres tematyczny

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.

 

Metody kształcenia

Wykład - wykład konwencjonalny.
Laboratorium - ćwiczenia laboratoryjne w oparciu o oprogramowanie SAS, JMP i R.

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu Symbole efektów Metody weryfikacji Forma zajęć

Warunki zaliczenia

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.

Literatura podstawowa

  1. Koronacki, J., Mielniczuk, J., Statystyka dla studentów kierunków technicznych i przyrodniczych, Warszawa, WNT, 2001.
  2. Larose, D.T.: Metody i modele eksploracji danych, PWN, Warszawa, 2008.
  3. Krysicki, W., Bartos, J., Dyczka, W., Królikowska, K., Wasilewski M.: Rachunek prawdopodobieństwa i statystyka matematyczna w zadaniach, PWN, Warszawa, 2012.
  4. Sall, J., Lehman, A., Stephens, M., Creighton, L.: JMP Starts Statistics, Cary, SAS Press, 2012.
  5. Der, G., Everitt, B.S., A Handbook of Statistical Analyses using SAS, Boca Raton, Chapman & Hall/CRC, 2002.
  6. Milhøj, A., Practical Time Series Analysis Using SAS, Cary, SAS Press, 2013.

Literatura uzupełniająca

  1. Delwiche, L.D., Slaughter, S.J., The Little SAS Book: A Primer, Cary, SAS Press, 2012.
  2. Delwiche, L.D., Slaughter, S.J., The Little SAS Book for Enterprise Guide 4.2, Cary, SAS Press, 2010.

Uwagi


Zmodyfikowane przez prof. dr hab. inż. Dariusz Uciński (ostatnia modyfikacja: 28-04-2018 10:52)