Module also offered within study programmes:
General information:
Name:
Nonparametric methods with R
Course of study:
2017/2018
Code:
ZIE-2-005-s
Faculty of:
Management
Study level:
Second-cycle studies
Specialty:
-
Field of study:
Information Technology and Econometrics
Semester:
0
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
Wójtowicz Tomasz (twojtow@agh.edu.pl)
Academic teachers:
Wójtowicz Tomasz (twojtow@agh.edu.pl)
Machno Artur (amachno@zarz.agh.edu.pl)
Module summary

Celem modułu jest zapoznanie studentów z wybranymi metodami nieparametrycznymi. Zostaną zaprezentowane m.in. metody rangowe i metody symulacyjne wraz z odpowiednimi pakietami R.

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 współdziałać w grupie IE2A_K02 Project
Skills
M_U001 umie dobrać odpowiednią metodę nieparametryczną do analizy zadanego problemu praktycznego IE2A_U05, IE2A_U01 Project
M_U002 stosując odpowiednie metody nieparametryczne umie dokonać oceny błędu estymatora lub jakości prognoz IE2A_U05, IE2A_U01 Project
M_U003 umie dokonać oceny własności prognostycznych zadanego modelu lub algorytmu IE2A_U05, IE2A_U01 Project
Knowledge
M_W001 zna metody stosowane do oceny dokładności prognoz IE2A_W03 Test
M_W002 zna założenia i ograniczenia stosowania metod symulacyjnych IE2A_W03 Test
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 współdziałać w grupie - - - + - - - - - - -
Skills
M_U001 umie dobrać odpowiednią metodę nieparametryczną do analizy zadanego problemu praktycznego - - - + - - - - - - -
M_U002 stosując odpowiednie metody nieparametryczne umie dokonać oceny błędu estymatora lub jakości prognoz - - - + - - - - - - -
M_U003 umie dokonać oceny własności prognostycznych zadanego modelu lub algorytmu - - - + - - - - - - -
Knowledge
M_W001 zna metody stosowane do oceny dokładności prognoz + - - - - - - - - - -
M_W002 zna założenia i ograniczenia stosowania metod symulacyjnych + - - - - - - - - - -
Module content
Lectures:

1. Metody rangowe.
2. Wprowadzenie do metod symulacyjnych. Generatory liczb pseudolosowych. Metody Monte Carlo.
3. Testy permutacyjne.
4. Metoda bootstrap. Metoda Jacknife. Estymacja rozkładu statystyk metodą bootstrap.
5. Szacowanie błędów estymatorów metodą bootstrap.
6. Ocena jakości prognoz. Porównania krzyżowe.
7. Macierz klasyfikacji.

Project classes:

1. Wykorzystanie metod rangowych do weryfikacji wybranych hipotez.
2. Obliczanie błędów standardowych i przedziałów ufności z wykorzystaniem metod symulacyjnych.
3. Przykłady zastosowania testów permutacyjnych.
4. Estymacja rozkładu statystyk metodą bootstrap i metodą Jacknife. Pakiety boot i bootstrap.
5. Szacowanie błędów estymatorów metodą bootstrap.
6. Ocena jakości prognoz. Porównania krzyżowe.
7. Macierz klasyfikacji. Ocena dokładności klasyfikatorów.

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 75 h
Module ECTS credits 3 ECTS
Participation in lectures 15 h
Participation in project classes 15 h
Examination or Final test 2 h
Completion of a project 15 h
Preparation for classes 18 h
Realization of independently performed tasks 10 h
Additional information
Method of calculating the final grade:

Ocena końcowa jest obliczana na podstawie średniej ocen z wszystkich terminów zaliczeń ćwiczeń.
Ocena z ćwiczeń projektowych jest obliczania na podstawie punktów przyznanych za wykonanie i prezentację projektu oraz uzyskanych z kolokwium zaliczeniowego.

Prerequisites and additional requirements:

Prerequisites and additional requirements not specified

Recommended literature and teaching resources:

Davison A.C., Hinkley D.V., Bootstrap Methods and their Application, Cambridge University Presss, 1997
Domanski Cz., Pruska K., Nieklasyczne metody statystyczne, PWE, 2000
James G., Witten D., Hastie T., Tibshirani R., An Introduction to Statistical Learning”, Springer, 2013
Jóźwiak J., Podgórski J. „Statystyka od podstaw”, PWE, Warszawa, 2001
Koronacki J., Mielniczuk J. „Statystyka”. WNT, Warszawa, 2001.

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

Henryk GURGUL, Tomasz WÓJTOWICZ (2015) The response of intraday ATX returns to U.S. macroeconomic news. Finance a úvěr – Czech Journal of Economics and Finance, vol. 65 no. 3, s. 230–253.

Henryk GURGUL, Tomasz WÓJTOWICZ (2014) The impact of US macroeconomic news on the Polish stock market : the importance of company size to information flow. Central European Journal of Operations Research. vol. 22 (4), s. 795–817.

Tomasz WÓJTOWICZ (2014) The application of discriminant analysis in forecasting of investors’ reaction to macroeconomic news announcements. Quantitative Methods in Economics. vol. 15 (2), s. 252–260.

Additional information:

Ogólne warunki uczestnictwa i zaliczenia przedmiotu określa Regulamin Studiów.

W przypadku nieuzyskania zaliczenia z ćwiczeń w terminie podstawowym student ma prawo do dwukrotnego zaliczania ćwiczeń w terminach poprawkowych ustalonych przez prowadzącego ćwiczenia. Warunkiem przystąpienia do tych zaliczeń poprawkowych jest wcześniejsze wyrównanie ew. zaległości powstałych wskutek nieobecności na zajęciach.
Tryb wyrównania zaległości powstałych wskutek nieobecności studenta na zajęciach ustala prowadzący zajęcia uwzględniając specyfikę oraz wielkość powstałych zaległości.