Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Probabilistyka i statystyka
Tok studiów:
2014/2015
Kod:
IEL-1-203-s
Wydział:
Informatyki, Elektroniki i Telekomunikacji
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Elektronika
Semestr:
2
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma i tryb studiów:
Stacjonarne
Strona www:
 
Osoba odpowiedzialna:
dr inż. Swatowska Barbara (swatow@agh.edu.pl)
Osoby prowadzące:
dr inż. Swatowska Barbara (swatow@agh.edu.pl)
prof. dr hab. inż. Zakrzewska Katarzyna (zak@agh.edu.pl)
Krótka charakterystyka modułu

Moduł zapoznaje Studenta z modelami matematycznymi probabilistyki i statystyki oraz możliwościami ich wykorzystania podczas projektowania urządzeń oraz oceny dokładności danych pomiarowych.

Opis efektów kształcenia dla modułu zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Powiązania z EKK Sposób weryfikacji efektów kształcenia (forma zaliczeń)
Wiedza
M_W001 Ma wiedzę w zakresie pojęć kombinatoryki EL1A_W01 Kolokwium
M_W002 Ma wiedzę w zakresie opisu probabilistycznego. EL1A_W01 Kolokwium
M_W003 Ma uporządkowaną i podbudowaną wiedzę w zakresie statystycznej analizy danych eksperymentalnych. EL1A_W01 Kolokwium
Umiejętności
M_U001 Potrafi rozwiązywać zadania z zastosowaniem pojęć kombinatoryki. EL1A_U05, EL1A_U01 Kolokwium
M_U002 Potrafi wyznaczać prawdopodobieństwo całkowite, warunkowe i niezależne w odniesieniu do konkretnych przykładów. EL1A_U14, EL1A_U18, EL1A_U01 Kolokwium
M_U003 Potrafi wykorzystać poznane metody i modele matematyczne, a także symulacje komputerowe do analizy danych eksperymentalnych, z określeniem przedziałów ufności i dokładności wyniku. EL1A_U01, EL1A_U03 Kolokwium
Kompetencje społeczne
M_K001 Wie, że odpowiednia analiza probabilistyczna i statystyczna może pomóc zrozumieć znaczenie dokładności wykonania urządzenia oraz jego możliwości pomiarowe. EL1A_K01, EL1A_K04, EL1A_K03 Kolokwium
Matryca efektów kształcenia w odniesieniu do form zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Inne
E-learning
Wiedza
M_W001 Ma wiedzę w zakresie pojęć kombinatoryki + + - - - - - - - - -
M_W002 Ma wiedzę w zakresie opisu probabilistycznego. + + - - - - - - - - -
M_W003 Ma uporządkowaną i podbudowaną wiedzę w zakresie statystycznej analizy danych eksperymentalnych. + + - - - - - - - - -
Umiejętności
M_U001 Potrafi rozwiązywać zadania z zastosowaniem pojęć kombinatoryki. + + - - - - - - - - -
M_U002 Potrafi wyznaczać prawdopodobieństwo całkowite, warunkowe i niezależne w odniesieniu do konkretnych przykładów. + + - - - - - - - - -
M_U003 Potrafi wykorzystać poznane metody i modele matematyczne, a także symulacje komputerowe do analizy danych eksperymentalnych, z określeniem przedziałów ufności i dokładności wyniku. + + - - - - - - - - -
Kompetencje społeczne
M_K001 Wie, że odpowiednia analiza probabilistyczna i statystyczna może pomóc zrozumieć znaczenie dokładności wykonania urządzenia oraz jego możliwości pomiarowe. + + - - - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:

Zajęcia w ramach modułu prowadzone są w postaci wykładu (20 godzin) oraz ćwiczeń audytoryjnych (15 godzin)

WYKŁADY

1. Wprowadzenie
Rys historyczny; idea prawdopodobieństwa; paradoks kawalera de Méré; znaczenie rachunku prawdopodobieństwa i statystyki w nauce i problemach inżynierskich, typy danych statystycznych i sposoby ich graficznej prezentacji (np. histogram).
2. Rachunek prawdopodobieństwa
Zdarzenie losowe; definicje i interpretacja prawdopodobieństwa, elementy kombinatoryki (permutacje, wariacje i kombinacje), prawdopodobieństwo warunkowe; niezależność zdarzeń; twierdzenie Bayesa; zmienne losowe przypadkowe; rozwiązywanie zaawansowanych zadań z rachunku prawdopodobieństwa.
3. Dyskretna (skokowa) zmienna losowa i rozkład prawdopodobieństwa
Pojęcie rozkładu prawdopodobieństwa; dystrybuanta dla rozkładu dyskretnej zmiennej losowej; parametry (miary opisowe) rozkładu: kwantyle, średnia (wartość oczekiwana) mediana, moda, rozstęp, wariancja (odchylenie standardowe); przykładowe rozkłady dyskretnej zmiennej losowej: rozkład jednorodny, rozkład Bernoulliego.
4. Ciągła zmienna losowa i funkcja gęstości prawdopodobieństwa
Funkcja gęstości prawdopodobieństwa; rozkład normalny Gaussa; przykładowe rozkłady asymetryczne; przykłady całkowania.
5. Wielowymiarowy rozkład prawdopodobieństwa
Dwie zmienne zależne, liniowa kombinacja zmiennych losowych, kowariancja i korelacja, prosta regresja liniowa, regresja krzywoliniowa.
6. Estymacja parametrów
Podstawy estymacji punktowej, populacja a próba, losowanie, estymatory: zgodne, nieobciążone, efektywne, estymacja przedziałowa, przedział ufności, poziom ufności.
7. Wnioskowanie statystyczne
Rodzaje i weryfikacja hipotez statystycznych; parametryczne testy istotności; błędy pierwszego i drugiego rozdziału.
8. Zastosowanie metod statystycznych
Teoria niepewności pomiaru.

Ćwiczenia audytoryjne:

ĆWICZENIA

1. Kombinatoryka, symbol Newtona.
2. Prawdopodobieństwo całkowite, warunkowe i niezależne, Twierdzenie Bayesa.
3. Zmienna losowa i dystrybuanta.
4. Obliczanie prawdopodobieństwa z wykorzystaniem gęstości.
5. Wprowadzenie do statystyki, średnia, odchylenie standardowe, wariancja.
6. Analiza regresji przykładowych danych.
7. Obliczanie przedziału ufności dla różnych danych.
8. Weryfikacja zdobytych wiadomości – kolokwium zaliczeniowe.

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 80 godz
Punkty ECTS za moduł 3 ECTS
Udział w wykładach 20 godz
Udział w ćwiczeniach audytoryjnych 15 godz
Samodzielne studiowanie tematyki zajęć 15 godz
Przygotowanie sprawozdania, pracy pisemnej, prezentacji, itp. 15 godz
Przygotowanie do zajęć 15 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

Warunkiem koniecznym uzyskania pozytywnej oceny końcowej OK z przedmiotu jest otrzymanie pozytywnej oceny z ćwiczeń. Decydującą wagę (nie mniej niż 40%) w ocenie z ćwiczeń ma kolokwium zaliczeniowe (obejmujące także materiał z wykładów).

Wymagania wstępne i dodatkowe:

Znajomość algebry i analizy matematycznej oraz obsługi komputera.

Zalecana literatura i pomoce naukowe:

1. Plucińska A., Pluciński E., “Probabilistyka Rachunek prawdopodobieństwa, statystyka matematyczna, procesy stochastyczne”, Wydawnictwa Naukowo-Techniczne, 2000
2. Jakubowski J., Sztencel R., “Wstęp do teorii prawdopodobieństwa”, SCRIPT, 2000
3. Sobczyk M., “Statystyka”, Wydawnictwo Naukowe PWN, Warszawa, 1996
4. Douglas C. Montgomery, George C. Runger, “Applied Statistics and Probability for Engineers”, Third Edition, John Wiley & Sons, 2003

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

1. B. Swatowska, W. Maziarz, Ł. Więckowski, „Parametry i zastosowanie modułu słonecznego na bazie krzemowych ogniw multikrystalicznych” (Parameters and application of PV module on base multicrystalline silicon solar cells), Elektronika, Nr 5 (2010) 29-31
2. B. Swatowska, T. Stapiński, „Amorphous hydrogenated silicon-nitride films for applications in solar cells”, Vacuum, 82 (2008) 942-946

Informacje dodatkowe:

Brak