Module also offered within study programmes:
General information:
Name:
Advanced Statistical Methods
Course of study:
2015/2016
Code:
BGF-2-110-AG-s
Faculty of:
Geology, Geophysics and Environmental Protection
Study level:
Second-cycle studies
Specialty:
Applied Geophysics
Field of study:
Geophysics
Semester:
1
Profile of education:
Academic (A)
Lecture language:
English
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
dr inż. Puskarczyk Edyta (puskar@agh.edu.pl)
Academic teachers:
dr inż. Puskarczyk Edyta (puskar@agh.edu.pl)
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 Potrafi w sposób kompetentny i odpowiedzialny określić ważności i kolejność wykonywanych zadań w realizowanym projekcie oraz dokonywać prawidłowego wnioskowania GF2A_K07, GF2A_K04 Execution of a project,
Execution of exercises
Skills
M_U001 Zna i potrafi przeprowadzić analizę wariancji i regresji GF2A_W02, GF2A_U03, GF2A_U01 Test,
Execution of a project,
Execution of exercises
M_U002 Zna metody wielowymiarowe analizy danych i potrafi je zastosować dla danych geofizycznych GF2A_W02, GF2A_U12, GF2A_W10, GF2A_W01 Test,
Execution of a project,
Execution of exercises
M_U003 Zna i potrafi korzystać z specjalistycznego oprogramowania do analiz statystycznych GF2A_W02, GF2A_U09, GF2A_W06, GF2A_U15 Execution of a project,
Execution of exercises
Knowledge
M_W001 Rozumie i potrafi zastosować w naukach o Ziemi wybrane metody statystyczne GF2A_W02, GF2A_W10, GF2A_W01 Test,
Execution of a project,
Execution of exercises
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 Potrafi w sposób kompetentny i odpowiedzialny określić ważności i kolejność wykonywanych zadań w realizowanym projekcie oraz dokonywać prawidłowego wnioskowania - - + - - - - - - - -
Skills
M_U001 Zna i potrafi przeprowadzić analizę wariancji i regresji + - + - - - - - - - -
M_U002 Zna metody wielowymiarowe analizy danych i potrafi je zastosować dla danych geofizycznych + - + - - - - - - - -
M_U003 Zna i potrafi korzystać z specjalistycznego oprogramowania do analiz statystycznych - - + - - - - - - - -
Knowledge
M_W001 Rozumie i potrafi zastosować w naukach o Ziemi wybrane metody statystyczne + - + - - - - - - - -
Module content
Lectures:

The analysis of variance: the two-way analysis, two-way interactions,
Testing individual hypotheses – post hoc comparisons, introduction to complex designs, the analysis of covariance and multivariate analysis of variance
The multiple regression: parameter estimation, estimation of the covariance matrix, testing hypotheses on regression and parameters, selecting an optimal regression model, stepwise regression
Nonlinear estimation
Overview of other multivariate methods: the polynomial regression, discriminant function analysis, factor analysis, cluster analysis
Setting and testing of a probabilistic model
Non-parametric kernel density estimator
Resampling techniques

Laboratory classes:

The analysis of variance: the two-way analysis, two-way interactions,
Testing individual hypotheses – post hoc comparisons, introduction to complex designs, the analysis of covariance and multivariate analysis of variance
The multiple regression: parameter estimation, estimation of the covariance matrix, testing hypotheses on regression and parameters, selecting an optimal regression model, stepwise regression
Nonlinear estimation
Overview of other multivariate methods: the polynomial regression, discriminant function analysis, factor analysis, cluster analysis
Setting and testing of a probabilistic model
Non-parametric kernel density estimator
Resampling techniques

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 88 h
Module ECTS credits 3 ECTS
Participation in lectures 14 h
Participation in laboratory classes 14 h
Realization of independently performed tasks 15 h
Preparation for classes 15 h
Completion of a project 15 h
Contact hours 15 h
Additional information
Method of calculating the final grade:

obecność na wykładach, zaliczenie testu końcowego, zaliczenie projektów, średnia ocen z wykładów, laboratoriów i projektów

Prerequisites and additional requirements:

wpis na pierwszy semestr drugiego stopnia studiów, zaliczenie podstawowego kursu statystyki

Recommended literature and teaching resources:

Dillon, W. R. and Goldstein, M., 1984, Multivariate Analysis: Methods and Applications. New York: Wiley
Neter, J., Kutner, M. H., Nachtsheim, C. J., & Wasserman, W.,1996, Applied Linear Statistical Models. Chicago: Irwin
Everitt, B. S. , 1998, The Cambridge Dictionary of Statistics. New York: Cambridge University Press

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

Additional scientific publications not specified

Additional information:

None