Module also offered within study programmes:
General information:
Name:
Statystyka i rachunek prawdopodobieństwa
Course of study:
2017/2018
Code:
EIB-1-130-s
Faculty of:
Faculty of Electrical Engineering, Automatics, Computer Science and Biomedical Engineering
Study level:
First-cycle studies
Specialty:
-
Field of study:
Biomedical Engineering
Semester:
1
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
Izworski Andrzej (izwa@agh.edu.pl)
Academic teachers:
Izworski Andrzej (izwa@agh.edu.pl)
dr inż. Długosz Mirosława (mmd@agh.edu.pl)
Barczewska Katarzyna (kbarczew@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 Zna rolę probabilistyki we współczesnym świecie IB1A_K02, IB1A_K01 Examination
Skills
M_U001 Posiada umiejętności stosowania metod probabilistycznych do analizy danych IB1A_U03, IB1A_U01 Execution of exercises
M_U002 Potrafi opisać, sformułować i rozwiązać praktyczne problemy z zakresu wnioskowania i analizy statystycznej IB1A_U06, IB1A_U02, IB1A_U01 Execution of exercises
M_U003 Potrafi wykorzystywać i tworzyć oprogramowanie do rozwiązywania problemów probabilistycznych IB1A_U05, IB1A_U06, IB1A_U02, IB1A_U01 Test,
Execution of exercises
Knowledge
M_W001 Zna i rozumie pojęcia związane z rachunkiem prawdopodobieństwa IB1A_W07, IB1A_W10, IB1A_W01 Examination
M_W002 Dysponuje wiedzą z zakresu modeli probabilistycznych i zakresu ich stosowalności IB1A_W01, IB1A_W13 Examination
M_W003 Dysponuje wiedzą z zakresu wnioskowania statystycznego IB1A_W01, IB1A_W13 Examination
M_W004 Dysponuje wiedzą z zakresu wielowymiarowych metod statystycznych IB1A_W10, IB1A_W01 Examination
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 Zna rolę probabilistyki we współczesnym świecie + - - - - - - - - - -
Skills
M_U001 Posiada umiejętności stosowania metod probabilistycznych do analizy danych - + - - - - - - - - -
M_U002 Potrafi opisać, sformułować i rozwiązać praktyczne problemy z zakresu wnioskowania i analizy statystycznej - + - - - - - - - - -
M_U003 Potrafi wykorzystywać i tworzyć oprogramowanie do rozwiązywania problemów probabilistycznych - + - - - - - - - - -
Knowledge
M_W001 Zna i rozumie pojęcia związane z rachunkiem prawdopodobieństwa + - - - - - - - - - -
M_W002 Dysponuje wiedzą z zakresu modeli probabilistycznych i zakresu ich stosowalności + - - - - - - - - - -
M_W003 Dysponuje wiedzą z zakresu wnioskowania statystycznego + - - - - - - - - - -
M_W004 Dysponuje wiedzą z zakresu wielowymiarowych metod statystycznych + - - - - - - - - - -
Module content
Lectures:

Wprowadzenie do tematyki przedmiotu, rachunek prawdopodobieństwa a statystyka.
Wstępna analiza danych. Statystyka opisowa. Ocena wyników pomiarów, transformacje zmiennych.
Podstawy rachunku prawdopodobieństwa. Prawdopodobieństwo warunkowe i reguła Bayesa.
Zdarzenia losowe i prawdopodobieństwa zdarzeń. Zmienne losowe jednowymiarowe: rozkłady i parametry. Rozkład normalny, jego własności i zastosowania. Dwuwymiarowe i wielowymiarowe zmienne losowe. Rozkłady brzegowe. Modele probabilistyczne.
Podstawy statystyki i wnioskowania statystycznego. Metody doboru próby losowej.
Wnioskowanie statystyczne. Estymacja punktowa i przedziałowa. Testowanie hipotez statystycznych.
Testy nieparametryczne, metody rangowe.
Analiza zależności zmiennych ilościowych.
Analiza wariancji.
Metody doboru próby losowej, planowanie eksperymentu.
Czułość, swoistość, krzywe ROC.

Auditorium classes:

• Planowanie eksperymentów, zbieranie danych, wykonywanie pomiarów;
• Wstępne przetwarzanie danych, statystyka opisowa;
• Interpretacja parametrów statystyki opisowej;
• Rachunek prawdopodobieństwa;
• Zmienne losowe, rozkłady zmiennych losowych, modele probabilistyczne;
• Rozkład normalny;
• Testy zgodności rozkładów;
• Estymacja i wnioskowanie statystyczne.
• Parametryczne testy statystyczne;
• Korelacja i regresja;
• Analiza danych jakościowych, metody rangowe;
• Formy prezentacji i wizualizacji danych;

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 111 h
Module ECTS credits 4 ECTS
Participation in lectures 28 h
Participation in auditorium classes 28 h
Realization of independently performed tasks 15 h
Preparation for classes 20 h
Preparation of a report, presentation, written work, etc. 20 h
Additional information
Method of calculating the final grade:

Do obliczenia oceny końcowej będą brane pod uwagę następujące elementy:
• Ocena z kolokwium;
• Ocena z opracowania wyników analizy danych zbieranych w ramach przygotowania do ćwiczeń (sprawozdania prezentowane będą w formie plakatów);
• Ocena z pracy na zajęciach;
Ocena końcowa będzie wyliczana jako średnia ważona z wyżej wymienionych składowych. Dodatkowo na ocenę końcową może wpłynąć aktywność na zajęciach (zmieniając ją maksymalnie o 0,5 stopnia).
Warunkiem zaliczenia jest uzyskanie pozytywnych ocen zarówno z kolokwium jak i z plakatu.

Prerequisites and additional requirements:

Podstawy kombinatoryki, rachunku prawdopodobieństwa i analizy matematycznej.

Recommended literature and teaching resources:

1. Plucińska A., Pluciński E.: Probabilistyka, WNT, Warszawa, 2000
2. Koronacki J., Mielniczuk J.: Statystyka dla studentów kierunków technicznych i przyrodniczych, WNT, Warszawa, 2001
3. Tadeusiewicz R., Izworski A., Majewski J.: Biometria, Wydawnictwa AGH, Kraków, 1993

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

Additional scientific publications not specified

Additional information:

None