Module also offered within study programmes:
General information:
Name:
Statystyka
Course of study:
2019/2020
Code:
GBUD-2-101-KB-n
Faculty of:
Mining and Geoengineering
Study level:
Second-cycle studies
Specialty:
Civil engineering constructions
Field of study:
Civil Engineering
Semester:
1
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Part-time studies
Course homepage:
 
Responsible teacher:
dr hab. inż, prof. AGH Niedoba Tomasz (tniedoba@agh.edu.pl)
Module summary

Metody statystyczne w analizie danych. Dopasowanie rozkładu do danych empirycznych. Ocena jakości modelu statystycznego. Określenie dokładności oszacowanego wyniku badań. Estymacja błędu statystycznego. Estymatory parametrów rozkładów. Weryfikacja parametrycznych i nieparametrycznych hipotez statystycznych.

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: is able to
M_K001 Ma świadomość istoty prawidłowo pobranej próbki do badań jako głównego nośnika potencjalnych błędów BUD2A_K01 Activity during classes,
Participation in a discussion
Skills: he can
M_U001 Potrafi interpretować dane statystyczne BUD2A_W01 Activity during classes,
Test,
Execution of exercises
M_U002 Potrafi stawiać i weryfikować hipotezy statystyczne za pomocą odpowiednich testów statystycznych BUD2A_W01 Activity during classes,
Test,
Execution of exercises
M_U003 Umie stosować wzory z zakresu rachunku prawdopodobieństwa w zagadnieniach z inżynierii środowiska BUD2A_W01 Activity during classes,
Test,
Execution of exercises
Knowledge: he knows and understands
M_W001 Posiada podstawową wiedzę na temat rachunku prawdopodobieństwa BUD2A_W01 Activity during classes,
Test,
Execution of exercises
M_W002 Posiada wiedzę na temat zmiennych losowych typu skokowego i ciągłego oraz ich rozkładów BUD2A_W01 Activity during classes,
Test,
Execution of exercises
M_W003 Wie jak pobrać reprezentatywną próbkę dla różnego rodzaju zmiennych losowych BUD2A_W01 Test,
Execution of exercises
Number of hours for each form of classes:
Sum (hours)
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
30 12 18 0 0 0 0 0 0 0 0 0
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
Prace kontr. przejść.
Lektorat
Social competence
M_K001 Ma świadomość istoty prawidłowo pobranej próbki do badań jako głównego nośnika potencjalnych błędów + + - - - - - - - - -
Skills
M_U001 Potrafi interpretować dane statystyczne + + - - - - - - - - -
M_U002 Potrafi stawiać i weryfikować hipotezy statystyczne za pomocą odpowiednich testów statystycznych + + - - - - - - - - -
M_U003 Umie stosować wzory z zakresu rachunku prawdopodobieństwa w zagadnieniach z inżynierii środowiska + + - - - - - - - - -
Knowledge
M_W001 Posiada podstawową wiedzę na temat rachunku prawdopodobieństwa + + - - - - - - - - -
M_W002 Posiada wiedzę na temat zmiennych losowych typu skokowego i ciągłego oraz ich rozkładów + + - - - - - - - - -
M_W003 Wie jak pobrać reprezentatywną próbkę dla różnego rodzaju zmiennych losowych + + - - - - - - - - -
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 58 h
Module ECTS credits 2 ECTS
Udział w zajęciach dydaktycznych/praktyka 30 h
Preparation for classes 10 h
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 5 h
Realization of independently performed tasks 10 h
Examination or Final test 2 h
Contact hours 1 h
Module content
Lectures (12h):

Elementy rachunku prawdopodobieństwa, definicje prawdopodobieństwa, podstawowe twierdzenia, prawdopodobieństwo warunkowe, tw. Bayesa. Rozkłady zmiennych losowych: rozkład Bernoulliego, Poissona, rozkład równomierny, normalny, Weibulla i inne. Definicje populacji, próby, zasady losowania, podstawy opracowywania wyników: histogramy, momenty z próby, podstawowe twierdzenia o rozkładach statystyk. Przedziały ufności dla średniej, wariancji i wskaźnika struktury, wzory na wielkość próby, zasady pobierania prób. Testy istotności – parametryczne dla średnich i wariancji; nieparametryczne – testy niezależności i zgodności. Analiza korelacji i regresji. Elementy teorii eksperymentów. Planowanie czynnikowe, metoda gradientu i simpleksowa poszukiwania optimum. Wielowymiarowa analiza danych. Wybrane metody statystyki nieklasycznej.

Auditorium classes (18h):

1. Rachunek prawdopodobieństwa, kombinatoryka, podstawowe twierdzenia, prawdopodobieństwo całkowite, prawdopodobieństwo warunkowe, wzór Bayesa, schemat Bernoulliego.
2. Estymatory statystyczne na przykładach z budownictwa.
3. Zasady tworzenia histogramów.
4. Rozkłady zmiennych losowych skokowych i ciągłych (rozkład dwumianowy, Poissona, normalny, log-normalny, t-Studenta, chi-kwadrat, Weibulla i inne).
5. Tablice statystyczne i ich zastosowanie.
6. Zasady obliczania funkcji gęstości i dystrybuanty dla zmiennych losowych ciągłych.
7. Przedziały ufności.
8. Obliczanie wielkości próbki reprezentatywnej na przykładach z budownictwa. Próbka a populacja generalna.
9. Testowanie hipotez statystycznych – testy parametryczne i nieparametryczne.
10. Analiza korelacji i regresji. Regresja liniowa. Regresja wieloraka.
11. Planowanie eksperymentu na przykładach z budownictwa.
12. Analiza czynnikowa i jej zastosowanie.
13. Wielowymiarowa analiza danych.
14. Zastosowanie programu STATISTICA PL w analizie danych.

Additional information
Teaching methods and techniques:
  • Lectures: Treści prezentowane na wykładzie są przekazywane w formie prezentacji multimedialnej w połączeniu z klasycznym wykładem tablicowym wzbogaconymi o pokazy odnoszące się do prezentowanych zagadnień.
  • Auditorium classes: Podczas zajęć audytoryjnych studenci na tablicy rozwiązują zadane wcześniej problemy. Prowadzący na bieżąco dokonuje stosowanych wyjaśnień i moderuje dyskusję z grupą nad danym problemem.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Zaliczenie na podstawie dwóch kolokwiów. Poprawkowe kolokwium może odbyć się podczas konsultacji bądź po ustaleniu dodatkowego terminu.

Participation rules in classes:
  • Lectures:
    – Attendance is mandatory: No
    – Participation rules in classes: Studenci uczestniczą w zajęciach poznając kolejne treści nauczania zgodnie z syllabusem przedmiotu. Studenci winni na bieżąco zadawać pytania i wyjaśniać wątpliwości. Rejestracja audiowizualna wykładu wymaga zgody prowadzącego.
  • Auditorium classes:
    – Attendance is mandatory: Yes
    – Participation rules in classes: Studenci przystępując do ćwiczeń są zobowiązani do przygotowania się w zakresie wskazanym każdorazowo przez prowadzącego (np. w formie zestawów zadań). Ocena pracy studenta może bazować na wypowiedziach ustnych lub pisemnych w formie kolokwium, co zgodnie z regulaminem studiów AGH przekłada się na ocenę końcową z tej formy zajęć.
Method of calculating the final grade:

Ocena końcowa OK jest średnią ważoną oceny zaliczenia ćwiczeń OC i oceny samodzielnej pracy wykonanej na podstawie wykładów OW
OK=0.85 OC + 0.15 OW

Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

Praca indywidualna studenta wg ewentualnych wskazówek prowadzącego.

Prerequisites and additional requirements:

Matematyka na poziomie I stopnia studiów

Recommended literature and teaching resources:

1. J. Greń: Statystyka matematyczna. Modele i zadania, PWN, Warszawa, 1984.
2. W. Krysicki: Rachunek prawdopodobieństwa i statystyka matematyczna, t. I i II, PWN, Warszawa, 2007.
3. W. Klonecki: Statystyka dla inżynierów, PWN, Warszawa, 1999.
4. J. Koronacki: Statystyka dla kierunków technicznych i przyrodniczych, WN-T, Warszawa, 2006.
5. M. Sobczyk: Statystyka opisowa, Wydawnictwo CH Beck, Warszawa, 2010.
6. A. Plucińska, E. Pluciński: Probabilistyka, WN-T, Warszawa, 2000.

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

1. Jamróz D., Niedoba T.: Application of multidimensional data visualization by means of self-organizing Kohonen maps to evaluate classification possibilities of various coal types, Archives of Mining Sciences, vol. 60(1), pp. 39-50, 2015.
2. Niedoba T.: Application of relevance maps in multidimensional classification of coal types, Archives of Mining Sciences, vol. 60(1), pp. 93-106, 2015.
3. Jamróz D., Niedoba T.: Comparison of selected methods of multi-parameter data visualization used for classification of coals, Physicochemical Problems of Mineral Processing, vol. 51(2), pp. 769-784, 2015.
4. Niedoba T.: Elementy metodologii stosowania dwu- i wielowymiarowych rozkładów właściwości materiałów uziarnionych do opisu wzbogacania węgli, Gospodarka Surowcami Mineralnymi, vol. 29(2), pp. 155-172, 2013.
5. Niedoba T.: Statistical analysis of the relationship between particle size and particle density of raw coal, Physicochemical Problems of Mineral Processing, vol. 49(1), pp. 175-188, 2013.
6. Tumidajski T., Saramak D.: Metody i modele statystyki matematycznej w przeróbce surowców mineralnych, Wydawnictwa AGH, 2009.
7. Niedoba T.: Wielowymiarowe charakterystyki zmiennych losowych w opisie materiałów uziarnionych i procesów ich rozdziału, Wydawnictwo Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN, 2013.

Additional information:

Dopuszczalna jedna nieusprawiedliwiona nieobecność na zajęciach.
Dopuszczalna poprawa oceny z zaliczenia jeżeli student wykazywał aktywność podczas zajęć.
Forma kolokwium – kolokwium z zadań dotyczących zagadnień poruszanych na zajęciach. 2 terminy (1 podstawowy i 1 poprawkowy).
Dopuszczalne odrabianie zajęć z innymi grupami.
Nie przewiduje się możliwości poprawy oceny pozytywnej.