Module also offered within study programmes:
General information:
Name:
Mathematics with Elements of Statistics
Course of study:
2017/2018
Code:
ZZIP-1-301-s
Faculty of:
Management
Study level:
First-cycle studies
Specialty:
-
Field of study:
Management and Production Engineering
Semester:
3
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Responsible teacher:
dr Wolak Jacek (jwolak@agh.edu.pl)
Academic teachers:
Lach Łukasz (llach@zarz.agh.edu.pl)
dr Wolak Jacek (jwolak@agh.edu.pl)
Zając Paweł (pzajac@zarz.agh.edu.pl)
Machno Artur (amachno@zarz.agh.edu.pl)
Machowska Małgorzata (mmachow@agh.edu.pl)
Module summary

Przedmiot ma za zadanie zapoznać studentów z podstawowymi narzędziami statystyki opisowej i matematycznej.

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 umie uczestniczyć w przygotowaniu i prowadzeniu projektów ZIP1A_K04 Test,
Activity during classes
Skills
M_U001 Potrafi korzystać z narzędzi rachunku prawdopodobieństwa i statystyki matematycznej do opisu i analizy zjawisk ekonomicznych. ZIP1A_U19 Examination,
Activity during classes
M_U002 Stosuje standardowe metody opisu i analizy statystycznej danych ekonomicznych ZIP1A_U01, ZIP1A_U19 Test,
Activity during classes
Knowledge
M_W001 Wymienia standardowe metody opisu i analizy statystycznej danych ekonomicznych ZIP1A_W02, ZIP1A_W06 Examination,
Activity during classes
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 umie uczestniczyć w przygotowaniu i prowadzeniu projektów - - + - - - - - - - -
Skills
M_U001 Potrafi korzystać z narzędzi rachunku prawdopodobieństwa i statystyki matematycznej do opisu i analizy zjawisk ekonomicznych. - - + - - - - - - - -
M_U002 Stosuje standardowe metody opisu i analizy statystycznej danych ekonomicznych - - + - - - - - - - -
Knowledge
M_W001 Wymienia standardowe metody opisu i analizy statystycznej danych ekonomicznych + - - - - - - - - - -
Module content
Lectures:

1. Wprowadzenie do przedmiotu.
2. Statystyka opisowa, graficzna prezentacja danych.
3. Zmienna losowa i jej własności. Przegląd wybranych rozkładów (skokowe i ciągłe).
4. Przedziały ufności. Zasada konstrukcji testów istotności.
5. Przegląd wybranych testów parametrycznych oraz nieparametrycznych.
6. Związki korelacyjne między zmiennymi różnych typów.
7. Model regresji liniowej. Test istotności parametrów i test istotności modelu.

Laboratory classes:

1. Wprowadzenie do przedmiotu.
2. Statystyka opisowa, graficzna prezentacja danych.
3. Zmienna losowa i jej własności. Przegląd wybranych rozkładów (skokowe i ciągłe).
4. Przedziały ufności. Zasada konstrukcji testów istotności.
5. Przegląd wybranych testów parametrycznych oraz nieparametrycznych.
6. Związki korelacyjne między zmiennymi różnych typów.
7. Model regresji liniowej. Test istotności parametrów i test istotności modelu.

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 150 h
Module ECTS credits 6 ECTS
Participation in lectures 30 h
Participation in project classes 15 h
Preparation for classes 50 h
Realization of independently performed tasks 55 h
Additional information
Method of calculating the final grade:

Do uzyskania pozytywnej oceny końcowej wymagane jest zaliczenie przedmiotu (na ocenę min. 3.0) i zdanie egzaminu (na ocenę min. 3.0). Pozytywną ocenę końcową wystawia się z wykorzystaniem średniej ważonej ocen: z egzaminu (70%) i ćwiczeń laboratoryjnych (30%). Pod uwagę bierze się wszystkie uzyskane oceny z egzaminu/zaliczenia.

Obecność na wykładach nie jest obowiązkowa. Obecność na zajęciach laboratoryjnych jest obowiązkowa. Ewentualne nieobecności należy usprawiedliwiać u prowadzącego ćwiczenia, z którym należy każdorazowo ustalić zakres materiału, jaki należy samodzielnie nadrobić.

Do egzaminu w danym terminie można podejść wyłącznie wówczas, gdy ma się zaliczone ćwiczenia laboratoryjne.

Prerequisites and additional requirements:

Znajomość matematyki na poziomie szkoły średniej.
Podstawowa znajomość arkusza kalkulacyjnego

Recommended literature and teaching resources:

1. Aczel A. D., Statystyka w zarządzaniu, PWN, Warszawa 2000
2. Jóźwiak J., Podgórski J., Statystyka od podstaw, PWE, Warszawa, 2000
3. Krysicki W., Bartos J. i inni, Rachunek prawdopodobieństwa i statystyka matematyczna w zadaniach, cz. 1 i 2, PWN, Warszawa 1986 i nast. wyd.

Scientific publications of module course instructors related to the topic of the module:
  1. Jacek WOLAK, Zależności między wybranymi miarami płynności na przykładzie danych z GPW w Warszawie, Zeszyty Naukowe / Wyższa Szkoła Ekonomii i Informatyki w Krakowie, 2015, 11, s. 223–233.
  2. Marcin SUDER, Jacek WOLAK, Tomasz WÓJTOWICZ, Zastosowanie rozkładów stabilnego, hiperbolicznego i odwrotnego gaussowskiego do opisu dziennych stóp zwrotu indeksów giełd europejskich, Ekonomia Menedżerska, 2008, 3, s. 67–75.
Additional information:

None