Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Statystyczna analiza danych
Tok studiów:
2016/2017
Kod:
MEI-1-607-s
Wydział:
Inżynierii Metali i Informatyki Przemysłowej
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Edukacja Techniczno – Informatyczna
Semestr:
6
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma i tryb studiów:
Stacjonarne
Strona www:
 
Osoba odpowiedzialna:
Matusiewicz Piotr (matus@agh.edu.pl)
Osoby prowadzące:
Matusiewicz Piotr (matus@agh.edu.pl)
dr inż. Goły Marcin (marcing@agh.edu.pl)
mgr inż. Frocisz Łukasz (lfrocisz@agh.edu.pl)
Krótka charakterystyka modułu

Moduł obejmuje zagadnienia związane z analizą zbiorów danych, tj.: metody statystyki opisowej, wnioskowanie statystyczne i weryfikację hipotez statystycznych.

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 Znać analityczne metody statystyki opisowej jedno -, dwu – i wielowymiarowych zbiorów danych. EI1A_W01, EI1A_W06 Egzamin
M_W002 Znać podstawowe metody wnioskowania statystycznego w zakresie estymacji i weryfikacji hipotez statystycznych. EI1A_W01, EI1A_W06 Egzamin
Umiejętności
M_U001 Posiada umiejętność racjonalnego opracowania typowych zbiorów danych statystycznych. EI1A_U03, EI1A_U05, EI1A_U01, EI1A_U02 Egzamin,
Wykonanie ćwiczeń
M_U002 Zna i potrafi wykorzystać wybrane programy do analizy statystycznej EI1A_U03, EI1A_U07, EI1A_U05, EI1A_U01, EI1A_U02, EI1A_U04 Wykonanie ćwiczeń
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 Znać analityczne metody statystyki opisowej jedno -, dwu – i wielowymiarowych zbiorów danych. + - + - - - - - - - -
M_W002 Znać podstawowe metody wnioskowania statystycznego w zakresie estymacji i weryfikacji hipotez statystycznych. + - + - - - - - - - -
Umiejętności
M_U001 Posiada umiejętność racjonalnego opracowania typowych zbiorów danych statystycznych. + - + - - - - - - - -
M_U002 Zna i potrafi wykorzystać wybrane programy do analizy statystycznej + - + - - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:

1. Istota statystyki. Populacja i próbka. Zbiory danych statystycznych. Zasada wnioskowania statystycznego. Metoda najmniejszych kwadratów (MNK).
2. Jednowymiarowy zbiór danych. Parametry statystyczne i ich interpretacja MNK. Rozkład empiryczny.
3. Dwuwymiarowy zbiór danych (I). Kowariancja i współczynnik korelacji. Regresja liniowa. Układ równań normalnych (MNK).
4. Dwuwymiarowy zbiór danych (II). Pole punktowe na płaszczyźnie. Opis statystyczny. Funkcja korelacji par punktów.
5. Wielowymiarowy zbiór danych. Macierz korelacyjna. Regresja liniowa. Wyznaczenie współczynników regresji.
6. Prawdopodobieństwo. Zmienna losowa. Funkcja prawdopodobieństwa. Gęstość prawdopodobieństwa. Parametry opisowe.
7. Rozkłady: dwumianowy, Poissona, normalny, chi-kwadrat, Studenta. Obliczanie prawdopodobieństwa.
8. Układ zmiennych losowych. Macierz korelacyjna. Wektor losowy o rozkładzie normalnym.
9. Próbka losowa. Twierdzenia dotyczące losowej próbki o rozkładzie normalnym. Wnioskowanie statystyczne.
10. Estymacja statystyczna. Estymator i jego własności. Estymacja wartości oczekiwanej i wariancji.
11. Estymacja współczynników regresji.
12. Weryfikacja hipotez statystycznych. Testy istotności dla parametrów rozkładu normalnego.
13. Analiza wariancji ANOVA (klasyfikacja pojedyncza).

Ćwiczenia laboratoryjne:

1. Statystyczne programy komputerowe (Arkusz kalkulacyjny Microsoft Excel, STATISTICA).
2. Jednowymiarowy zbiór danych. Parametry opisowe.
3. Dwuwymiarowy zbiór danych. Regresja liniowa.
4. Obliczanie prawdopodobieństwa w rozkładzie normalnym.
5. Estymacja wartości oczekiwanej w rozkładzie normalnym.
6. Weryfikacja hipotez statystycznych o parametrach rozkładu normalnego.
7. Badanie zgodności rozkładu empirycznego z rozkładem normalnym.

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 79 godz
Punkty ECTS za moduł 3 ECTS
Udział w wykładach 28 godz
Udział w ćwiczeniach audytoryjnych 14 godz
Przygotowanie do zajęć 20 godz
Samodzielne studiowanie tematyki zajęć 15 godz
Egzamin lub kolokwium zaliczeniowe 2 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

średnia arytmetyczna ocen z ćwiczeń i egzaminu

Wymagania wstępne i dodatkowe:

Zgodnie z Regulaminem Studiów AGH podstawowym terminem uzyskania zaliczenia jest ostatni dzień zajęć w danym semestrze. Termin zaliczenia poprawkowego (tryb i warunki ustala prowadzący moduł na zajęciach początkowych) nie może być późniejszy niż ostatni termin egzaminu w sesji poprawkowej (dla przedmiotów kończących się egzaminem) lub ostatni dzień trwania semestru (dla przedmiotów niekończących się egzaminem).

Zalecana literatura i pomoce naukowe:

1. Z. Hellwig: Elementy rachunku prawdopodobieństwa i statystyki matematycznej. PWN, Warszawa 1989.
2. L. Gajek, M. Kałuszka: Wnioskowanie statystyczne. WNT, Warszawa 1994.
3. S. Brandt: Analiza danych. PWN, Warszawa 1999.
4. J. Ryś: Zasady statystycznej kontroli jakości wyrobów metalowych. Skrypt AGH nr.589, Kraków 1977.
5. M. Fisz: Rachunek prawdopodobieństwa i statystyka matematyczna. PWN, Warszawa 1969.
6. D. Bobrowski: Probabilistyka w zastosowaniach technicznych. WNT, Warszawa 1986.
7. W. Kordecki: Rachunek prawdopodobieństwa i statystyka matematyczna (definicje, twierdzenia, wzory). Wyd. IV. Oficyna Wydawnicza GiS, Wrocław 2003

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

1. CZARSKI, P. MATUSIEWICZ, Influence of measurement system quality on the evaluation of process capability indices. Metallurgy and Foundry Engineering, 2012 vol. 38 no. 1, s. 25–32.
2. CZARSKI, P. MATUSIEWICZ, T. SKOWRONEK, Statistical methods in contemporary quality management systems. Problems of modern techniques in engineering and education, eds. Paweł Kurtyka, [et al.], 2007 s. 21–26.
3. CZARSKI, K. SATORA, P. MATUSIEWICZ, Statistical methods in quality management – process capability analysis. Metallurgy and Foundry Engineering, 2007 vol. 33 no. 2 s. 121–128.
4. CZARSKI, P. MATUSIEWICZ, K. SATORA, Statistical techniques in Six Sigma. Problems of modern techniques in engineering and education, eds. Paweł Kurtyka, [et al.]; 2007 s. 183–189.
5. B. MRZYGŁÓD, P. MATUSIEWICZ, A. Tchórz, I. OLEJARCZYK-WOŻEŃSKA, Quantitative analysis of ductile iron microstructure – a comparison of selected methods for assessment. Archives of Foundry Engineering / Polish Academy of Sciences. Commission of Foundry Engineering, 2013 vol. 13 iss. 3, s. 59–63.
6. A. CZARSKI, P. MATUSIEWICZ, Some aspects of estimation accuracy of mean true interllamelar spacing. Metallurgy and Foundry Engineering, 2012 vol. 38 no. 2, s. 133–140
7. P. MATUSIEWICZ, A. CZARSKI, Effect of measurement method on the equivalent diameter of disperse phase particles, Inżynieria Materiałowa, 2012 R. 33 nr 2, s. 101–104
http://www.bpp.agh.edu.pl/

Informacje dodatkowe:

Brak