Module also offered within study programmes:
General information:
Name:
Zaawansowane zagadnienia z matematyki i statystyki matematycznej II
Course of study:
2012/2013
Code:
DGK-3-401-s
Faculty of:
Mining Surveying and Environmental Engineering
Study level:
Third-cycle studies
Specialty:
-
Field of study:
Geodesy and Cartography
Semester:
4
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
prof. dr hab. inż. Piwowarski Wiesław (piwowar@agh.edu.pl)
Academic teachers:
Module summary

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 Doktorant potrafi kompetentnie i merytorycznie odnieść się do pracy kolegów prezentujących swoje wyniki badań a także prowadzić merytoryczną dyskusję nad efektami swojej pracy badawczej. GK3A_K01, GK3A_U03 Oral answer,
Activity during classes
Skills
M_U001 Student potrafi sformułować zagadnienie badawcze podlegające modelowaniu. GK3A_U01, GK3A_W02
Knowledge
M_W001 Student potrafi wykonać modelowanie wybranego zjawiska i zanalizować jego wyniki. GK3A_W02
M_W002 Student potrafi przeprowadzić zaawansowaną analizę statystyczną danych empirycznych. GK3A_U01, GK3A_W01, GK3A_K01, GK3A_U02, GK3A_W02 Execution of exercises,
Project,
Test,
Activity during classes
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 Doktorant potrafi kompetentnie i merytorycznie odnieść się do pracy kolegów prezentujących swoje wyniki badań a także prowadzić merytoryczną dyskusję nad efektami swojej pracy badawczej. - - + - - - - - - - -
Skills
M_U001 Student potrafi sformułować zagadnienie badawcze podlegające modelowaniu. - - + - - - - - - - -
Knowledge
M_W001 Student potrafi wykonać modelowanie wybranego zjawiska i zanalizować jego wyniki. - - + - - - - - - - -
M_W002 Student potrafi przeprowadzić zaawansowaną analizę statystyczną danych empirycznych. - - + - - - - - - - -
Module content
Laboratory classes:
Zaawansowana analiza statystyczna danych empirycznych
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 41 h
Module ECTS credits 2 ECTS
Preparation for classes 14 h
Examination or Final test 2 h
Preparation of a report, presentation, written work, etc. 10 h
Participation in laboratory classes 15 h
Additional information
Method of calculating the final grade:

Średnia oceny z kolokwium zaliczeniowego, samodzielnego projektu badawczego, aktywności i obecności na zajęciach.

Prerequisites and additional requirements:

Podstawowa znajomość zagadnień statystyki matematycznej.

Recommended literature and teaching resources:

1. ADAMCZEWSKI Z., 2011, Elementy modelowania matematycznego w wycenie nieruchomości, Podejście porównawcze, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa.
2. GREŃ J., 1978, Statystyka matematyczna, modele I zadania, Wydawnictwo Naukowe PWN, Warszawa.
3. KRYSICKI W., BARTOS J., DYCZKA W., KRÓLIKOWSKA K., WASILEWSKI M., 2013, Rachunek prawdopodobieństwa i statystyka matematyczna w zadaniach, Wydawnictwo Naukowe PWN, Warszawa.

Scientific publications of module course instructors related to the topic of the module:

Additional scientific publications not specified

Additional information:

None