Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Statystyka inżynierska
Tok studiów:
2017/2018
Kod:
JFM-1-210-s
Wydział:
Fizyki i Informatyki Stosowanej
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Fizyka Medyczna
Semestr:
2
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma i tryb studiów:
Stacjonarne
Strona www:
 
Osoba odpowiedzialna:
dr hab. inż. Tarasiuk Jacek (tarasiuk@agh.edu.pl)
Osoby prowadzące:
dr inż. Nęcki Jarosław (necki@agh.edu.pl)
Krótka charakterystyka modułu

Tematyka obejmuje metodykę statystyki matematycznej. Przedłożone są podstawy rachunku prawdopodobieństwa i procesów stochastycznych, a następnie estymacja, testowanie hipotez i wspomaganie decyzji.

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 Znajomość metod modelowania nieokreślności, ze szczególnym uwzględnieniem zjawisk przypadkowych. FM1A_W01, FM1A_W06, FM1A_W02 Odpowiedź ustna
M_W002 Znajomość podstaw rachunku prawdopodobieństwa. FM1A_W01, FM1A_W06, FM1A_W02 Odpowiedź ustna
M_W003 Znajomość metod aplikacyjnych statystyki matematycznej. FM1A_W01, FM1A_W06, FM1A_W02 Odpowiedź ustna
Umiejętności
M_U001 Interpretacja wielkości probabilistycznych. FM1A_U21, FM1A_U01, FM1A_U08, FM1A_U03 Odpowiedź ustna
M_U002 Praktyczne użycie procedur statystyki matematycznej. FM1A_U21, FM1A_U01, FM1A_U08, FM1A_U03 Odpowiedź ustna
M_U003 Pozyskiwanie informacji ze źródeł różnego typu oraz prezentacja zagadnienia badawczego i uzyskanych wyników. FM1A_U21, FM1A_U01, FM1A_U08, FM1A_U03 Odpowiedź ustna
Kompetencje społeczne
M_K001 Praca zbiorowa. FM1A_K07, FM1A_K06 Aktywność na zajęciach
M_K002 Profesjonalność i etyka. FM1A_K05, FM1A_K02, FM1A_K08 Aktywność na zajęciach
M_K003 Konieczność ustawicznego samokształcenia. FM1A_K01 Aktywność na zajęciach
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 Znajomość metod modelowania nieokreślności, ze szczególnym uwzględnieniem zjawisk przypadkowych. + - - - - - - - - - -
M_W002 Znajomość podstaw rachunku prawdopodobieństwa. + - + - - - - - - - -
M_W003 Znajomość metod aplikacyjnych statystyki matematycznej. + + + - - - - - - - -
Umiejętności
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. - + + - - - - - - - -
Kompetencje społeczne
M_K001 Praca zbiorowa. - + + - - - - - - - -
M_K002 Profesjonalność i etyka. + - - - - - - - - - -
M_K003 Konieczność ustawicznego samokształcenia. + + - - - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:
  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.

Ćwiczenia laboratoryjne:
Laboratorium

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

Ćwiczenia audytoryjne:
Projekt

Opracowanie zagadnienia, zgodnego z tematyką wykładu, według indywidualnych ustaleń.
Przy zaliczeniu projektu obowiązuje całość materiału przedmiotu.

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 77 godz
Punkty ECTS za moduł 3 ECTS
Udział w wykładach 15 godz
Udział w ćwiczeniach laboratoryjnych 15 godz
Udział w ćwiczeniach audytoryjnych 15 godz
Przygotowanie do zajęć 14 godz
Samodzielne studiowanie tematyki zajęć 11 godz
Przygotowanie sprawozdania, pracy pisemnej, prezentacji, itp. 7 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

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

Wymagania wstępne i dodatkowe:

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

Zalecana literatura i pomoce naukowe:

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.

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

- Książki:
1. P. Kulczycki, „Wykrywanie uszkodzeń w systemach zautomatyzowanych metodami statystycznymi”, Alfa, Warszawa, 1998.
2. P. Kulczycki, „Estymatory jądrowe w analizie systemowej”, WNT, Warszawa, 2005.
- Wybrane publikacje w czasopismach z listy JCR:
1. H. Schiøler, P. Kulczycki, „Neural Network for Estimating Conditional Distributions”, IEEE Transactions on Neural Networks, vol. 8, nr 5, ss. 1015-1025, 1997.
2. P. Kulczycki, „An Algorithm for Bayes Parameter Identification”, Journal of Dynamic Systems, Measurement, and Control, (Special Issue on the Identification of Mechanical Systems), vol. 123, nr 4, ss. 611-614, 2001.
3. P. Kulczycki, „Statistical Inference for Fault Detection: A Complete Algorithm Based on Kernel Estimators”, Kybernetika, vol. 38, nr 2, ss. 141-168, 2002.
4. P. Kulczycki, M. Charytanowicz, „Conditional Parameter Identification with Different Losses of Under- and Overestimation”, Applied Mathematical Modelling, vol. 37, nr 4, ss. 2166-2177, 2013.
5. P. Kulczycki, M. Charytanowicz, „An algorithm for conditional multidimensional parameter identification with asymmetric and correlated losses of under- and overestimations”, Journal of Statistical Computation and Simulation, vol. 86, nr 5, ss. 1032-1055, 2016.

Informacje dodatkowe:

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