Module also offered within study programmes:
General information:
Name:
Rachunek prawdopodobieństwa i statystyka
Course of study:
2019/2020
Code:
SENR-1-201-s
Faculty of:
Energy and Fuels
Study level:
First-cycle studies
Specialty:
-
Field of study:
Energy Engineering
Semester:
2
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Responsible teacher:
dr inż. Kopeć Mariusz (makopec@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: is able to
M_K001 Student rozumie potrzebę ciągłego dokształcania się - podnoszenia kompetencji zawodowych i osobistych ENR1A_K01 Activity during classes,
Participation in a discussion
Skills: he can
M_U001 Student potrafi przeprowadzić analizę statystyczną danych doświadczalnych ENR1A_U01 Activity during classes,
Test
M_U002 Student potrafi formułować i testować hipotezy statystyczne ENR1A_U01 Activity during classes,
Test
Knowledge: he knows and understands
M_W001 Student zna podstawy pachunku prwadopodobieństwa i statystyki matematycznej ENR1A_W01 Examination
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 15 15 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 Student rozumie potrzebę ciągłego dokształcania się - podnoszenia kompetencji zawodowych i osobistych + - - - - - - - - - -
Skills
M_U001 Student potrafi przeprowadzić analizę statystyczną danych doświadczalnych - + - - - - - - - - -
M_U002 Student potrafi formułować i testować hipotezy statystyczne - + - - - - - - - - -
Knowledge
M_W001 Student zna podstawy pachunku prwadopodobieństwa i statystyki matematycznej + - - - - - - - - - -
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 57 h
Module ECTS credits 2 ECTS
Udział w zajęciach dydaktycznych/praktyka 30 h
Preparation for classes 10 h
Realization of independently performed tasks 15 h
Examination or Final test 2 h
Module content
Lectures (15h):
Rachunek prawdopodobieństwa i statystyka

1. Pojęcie i definicje prawdopodobieństwa, zdarzenia
losowego i zmiennej losowej. (Nie)zależność zdarzeń
losowych

2. Zmienne losowe ciągłe i dyskretne. Funkcja gęstości
prawdopodobieństwa, rozkład gęstości i dystrybuanta.

3. Parametry rozkładu zmiennej losowej, wartość oczekiwana
(średnia), wariancja, odchylenie standardowe, moda,
mediana, kwantyle.

4. Główne rozkłady zmiennych losowych: jednostajny, normalny
(Gaussa), eksponencjalny, t-Studenta, c2, dwumianowy,
Poissona.

5. Zmienne losowe wielowymiarowe. Korelacja i regresja. Waga
statystyczna. Regresja ważona. Współczynnik korelacji.

6. Populacja i próba losowa. Estymatory wartości losowych i
ich własności. Estymator wartości średniej (oczekiwanej)
i wariancji. Oceny estymacji: poziom ufności i
istotności, przedziały ufności wartości estymowanych.

7. Hipotezy statystyczne, testy. Generatory populacji
(liczb) pseudolosowych. Testowanie generatorów.

Auditorium classes (15h):
Rachunek prawdopodobieństwa i statystyka

• Rozwiązywanie zadań problemowych z zakresu rachunku
prawdopodobieństwa i statystyki matematycznej.

• W synchronizacji z wykładami, obliczenia różnych
parametrów rozkładu zmiennej losowej, wartości średniej,
wariancji, odchylenia standardowego.

• Estymacja wartości charakteryzujących populację z próby.

• Obliczanie parametrów regresji z próby: współczynnika
korelacji i parametrów regresji liniowej.

• Testowanie hipotez statystycznych.

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:

Participation rules in classes:
  • Lectures:
    – Attendance is mandatory: Yes
    – 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:

Oceny z ćwiczeń audytoryjnych © i laboratoryjnych (L) oraz z egzaminu (E) obliczane są następująco: procent uzyskanych punktów przeliczany jest na ocenę zgodnie z Regulaminem Studiów AGH.

Ocena końcowa (OK) obliczana jest jako średnia ważona powyższych ocen:

OK = (0,5·w·E + 0,25·w·C)/0,75

w = 1 dla I terminu, w = 0,9 dla II terminu, w = 0,8 dla III terminu

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

Prerequisites and additional requirements:

Nie określa się

Recommended literature and teaching resources:

1. Rachunek prawdopodobieństwa i statystyka matematyczna, M.Fisz, PWN.

2. Analiza Danych, S. Brandt, WNT, Warszawa.

3. Rachunek prawdopodobieństwa i statystyka matematyczna, cz. 1 i 2,
W. Krysicki (i inni), PWN.

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

Additional scientific publications not specified

Additional information:

None