Module also offered within study programmes:
General information:
Name:
Statistics for Engineers
Course of study:
2016/2017
Code:
JFT-1-205-s
Faculty of:
Physics and Applied Computer Science
Study level:
First-cycle studies
Specialty:
-
Field of study:
Technical Physics
Semester:
2
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
prof. dr hab. inż. Kulczycki Piotr (kulczycki@agh.edu.pl)
Academic teachers:
mgr inż. Kamiński Jakub (kaminski@fis.agh.edu.pl)
dr inż. Łukasik Szymon (slukasik@agh.edu.pl)
prof. dr hab. inż. Kulczycki Piotr (kulczycki@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 Praca zespołowa. FT1A_K06, FT1A_K01 Activity during classes
M_K002 Profesjonalność i etyka. FT1A_K03, FT1A_K08 Activity during classes
M_K003 Konieczność ustawicznego samokształcenia. FT1A_K04 Activity during classes
Skills
M_U001 Interpretacja wielkości probabilistycznych. FT1A_U10, FT1A_U02, FT1A_U01, FT1A_U04, FT1A_U05 Oral answer
M_U002 Praktyczne użycie procedur statystyki matematycznej. FT1A_U10, FT1A_U02, FT1A_U01, FT1A_U04, FT1A_U05 Oral answer
M_U003 Pozyskiwanie informacji ze źródeł różnego typu oraz prezentacja zagadnienia badawczego i uzyskanych wyników. FT1A_U10, FT1A_U02, FT1A_U01, FT1A_U04, FT1A_U05 Oral answer
Knowledge
M_W001 Znajomość metod modelowania nieokreślności, ze szczególnym uwzględnieniem zjawisk przypadkowych. FT1A_W02, FT1A_W06 Oral answer
M_W002 Znajomość podstaw rachunku prawdopodobieństwa. FT1A_W02, FT1A_W06 Oral answer
M_W003 Znajomość metod aplikacyjnych statystyki matematycznej. FT1A_W02, FT1A_W06 Oral answer
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 Praca zespołowa. - - + + - - - - - - -
M_K002 Profesjonalność i etyka. + - - - - - - - - - -
M_K003 Konieczność ustawicznego samokształcenia. + - - + - - - - - - -
Skills
M_U001 Interpretacja wielkości probabilistycznych. + - + + - - - - - - -
M_U002 Praktyczne użycie procedur statystyki matematycznej. - - + + - - - - - - -
M_U003 Pozyskiwanie informacji ze źródeł różnego typu oraz prezentacja zagadnienia badawczego i uzyskanych wyników. - - + + - - - - - - -
Knowledge
M_W001 Znajomość metod modelowania nieokreślności, ze szczególnym uwzględnieniem zjawisk przypadkowych. + - - - - - - - - - -
M_W002 Znajomość podstaw rachunku prawdopodobieństwa. + - + - - - - - - - -
M_W003 Znajomość metod aplikacyjnych statystyki matematycznej. + - + + - - - - - - -
Module content
Lectures:
  1. Wprowadzenie

    Przedmiot probabilistyki; rachunek prawdopodobieństwa, procesy stochastyczne, statystyka matematyczna.
    Inne rodzaje opisu nieokreśloności; nieprecyzyjność – logika rozmyta.

  2. Rachunek prawdopodobieństwa

    Przestrzeń probabilistyczna, zmienna losowa, rozkład zmiennej losowej, prawdopodobieństwo.
    Związek z prawdopodobieństwem klasycznym (kombinatorycznym).
    Charakteryzacja rozkładów: funkcyjna (gęstość, dystrybuanta) oraz liczbowa (momenty, kwantyle).
    Typowe rozkłady; rozkład jednostajny, rozkład normalny. Centralne twierdzenie graniczne.
    Procesy stochastyczne; biały szum.

  3. Statystyka matematyczna

    Estymacja punktowa; klasyczne przykłady estymatorów.
    Nieparametryczne metody estymacji; estymatory jądrowe.
    Testowanie hipotez statystycznych; test zgodności Kołmogorowa.
    Statystyczne wspomaganie decyzji; reguły minimaksu i Bayesa, wielokryterialność.

  4. Tematy opcjonalne

    Wstęp do analizy i eksploracji danych.
    Przykłady zastosowań do zagadnień współczesnej inżynierii, ekonometrii i socjologii.
    Wykorzystanie współczesnych technik informacyjnych.

Laboratory classes:
Labortorium

Zajęcia wprowadzające.
Generatory liczb pseudolosowych; typowe rozkłady prawdopodobieństwa.
Estymacja parametryczna.
Estymacja nieparametryczna.
Testowanie hipotez statystycznych.
Temat opcjonalny: statystyczne reguły decyzyjne.
Zajęcia zaliczeniowe.

Project classes:
Projekt

Opracowanie zagadnień, zgodnych z tematyką wykładu, według indywidualnych ustaleń.
Przy zaliczaniu projektu obowiązuje całość materiału przedmiotu.

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 116 h
Module ECTS credits 4 ECTS
Participation in lectures 28 h
Participation in laboratory classes 22 h
Participation in project classes 6 h
Preparation for classes 20 h
Realization of independently performed tasks 20 h
Preparation of a report, presentation, written work, etc. 10 h
Completion of a project 10 h
Additional information
Method of calculating the final grade:

Ocena ustalana jest na podstawie ocen z laboratorium i projektu (ze szeczególnym uwzględnieniem znajomości całości materiału przedmiotu).

Prerequisites and additional requirements:

Podstawowa wiedza z zakresu matematyki.
Podstawowa umiejętność użytkowania sprzętu komputerowego.

Recommended literature and teaching resources:

Gajek L., Kałuszka M., Wnioskowanie statystyczne, WNT, 2000.
Plucińska A., Pluciński E., Probabilistyka, WNT, 2000.
Kulczycki P., Estymatory jądrowe w analizie systemowej, WNT, 2005.
Literatura uzupełniająca:
Kulczycki P., Hryniewicz O., Kacprzyk J. (red.), Techniki informacyjne w badaniach systemowych, WNT, 2007.
Bobrowski D., Probabilistyka w zastosowaniach technicznych, WNT, 1980.
Greń J., Statystyka matematyczna, PWN, 1987.

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

Kulczycki P., Estymatory jądrowe w analizie systemowej, WNT, 2005.
Znaczna ilość artykułów naukowych i innych publikacji tematycznych.

Additional information:

Nieobecności (także usprawiedliwione) na zajęciach z laboratorium wymagają odrobienia w formie i terminie uzgodnionych z prowadzącym. Połowa zajęć nieusprawiedliwionych skutkuje brakiem zaliczenia.