Module also offered within study programmes:
General information:
Name:
Statystyka
Course of study:
2019/2020
Code:
GIGR-2-102-GP-s
Faculty of:
Mining and Geoengineering
Study level:
Second-cycle studies
Specialty:
Underground mining
Field of study:
Mining Engineering
Semester:
1
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
prof. nadzw. dr hab. inż. Saramak Daniel (dsaramak@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 Zdobywa doświadczenie w pracy w grupie IGR2A_K01, IGR2A_K03, IGR2A_K04, IGR2A_K02 Activity during classes,
Examination,
Test,
Execution of exercises
M_K002 Rozumie, że prawidłowy przepływ danych jest bezwarunkowo konieczny w działalności naukowo-badawczej IGR2A_K01, IGR2A_K03, IGR2A_K04, IGR2A_K02 Activity during classes,
Examination,
Test,
Execution of exercises
Skills: he can
M_U001 Potrafi zaplanować badanie statystyczne IGR2A_U05, IGR2A_U03, IGR2A_U06 Activity during classes,
Examination,
Test,
Execution of exercises
M_U002 Wie jak dobrać odpowiedni test i jak przeprowadzić proces weryfikacji hipotez statystycznych IGR2A_U05, IGR2A_U06 Activity during classes,
Examination,
Test,
Execution of exercises
M_U003 Wie jak wykonać proste modele statystyczne dla dwóch i więcej zmiennych losowych IGR2A_U05, IGR2A_U06 Activity during classes,
Examination,
Test,
Execution of exercises
M_U004 Umie zamodelować dane statystyczne i dokonać ich interpretacji IGR2A_U05, IGR2A_U06 Activity during classes,
Examination,
Test,
Execution of exercises
Knowledge: he knows and understands
M_W001 Posiada wiedzę na temat podstaw rachunku prawdopodobieństwa IGR2A_W03, IGR2A_W02, IGR2A_W01, IGR2A_W05 Activity during classes,
Examination,
Test,
Execution of exercises
M_W002 Posiada wiedzę na temat zmiennych losowych i ich rozkładów IGR2A_W03, IGR2A_W02, IGR2A_W01, IGR2A_W05 Activity during classes,
Examination,
Test,
Execution of exercises
M_W003 Wie co to jest analiza punktowa i przedziałowa i jak je interpretować IGR2A_W03, IGR2A_W02, IGR2A_W01, IGR2A_W05 Activity during classes,
Examination,
Test,
Execution of exercises
M_W004 Posiada wiedzę na temat analizy korelacji i regresji dla dwóch i więcej zmiennych IGR2A_W03, IGR2A_W02, IGR2A_W01, IGR2A_W05 Activity during classes,
Examination,
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
45 15 30 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 Zdobywa doświadczenie w pracy w grupie + + - - - - - - - - -
M_K002 Rozumie, że prawidłowy przepływ danych jest bezwarunkowo konieczny w działalności naukowo-badawczej + + - - - - - - - - -
Skills
M_U001 Potrafi zaplanować badanie statystyczne + + - - - - - - - - -
M_U002 Wie jak dobrać odpowiedni test i jak przeprowadzić proces weryfikacji hipotez statystycznych + + - - - - - - - - -
M_U003 Wie jak wykonać proste modele statystyczne dla dwóch i więcej zmiennych losowych + + - - - - - - - - -
M_U004 Umie zamodelować dane statystyczne i dokonać ich interpretacji - - - - - - - - - - -
Knowledge
M_W001 Posiada wiedzę na temat podstaw rachunku prawdopodobieństwa + + - - - - - - - - -
M_W002 Posiada wiedzę na temat zmiennych losowych i ich rozkładów + + - - - - - - - - -
M_W003 Wie co to jest analiza punktowa i przedziałowa i jak je interpretować + + - - - - - - - - -
M_W004 Posiada wiedzę na temat analizy korelacji i regresji dla dwóch i więcej zmiennych - - - - - - - - - - -
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 88 h
Module ECTS credits 3 ECTS
Udział w zajęciach dydaktycznych/praktyka 45 h
Preparation for classes 15 h
Realization of independently performed tasks 25 h
Examination or Final test 2 h
Contact hours 1 h
Module content
Lectures (15h):

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 (30h):

Zastosowanie rachunku prawdopodobieństwa (definicje prawdopodobieństwa, podstawowe twierdzenia, prawdopodobieństwo warunkowe, tw. Bayesa). Rozkłady zmiennych losowych: rozkład Bernoulliego, Poissona, rozkład równomierny, normalny, Weibulla i inne w zastosowaniu w górnictwie. Definiowanie populacji, próby, zasady losowania, podstawy opracowywania wyników: histogramy, momenty z próby, podstawowe twierdzenia o rozkładach statystyk na przykładach związanych z górnictwem. Obliczanie przedziałów ufności dla średniej, wariancji i wskaźnika struktury, określanie minimalnej wielkości próby, zasady pobierania prób na przykładach z górnictwa. Zastosowanie testów istotności – parametrycznych dla średnich i wariancji; nieparametrycznych – testy niezależności i zgodności na przykładach z górnictwa. Zastosowanie analizy korelacji i regresji, interpretacja modeli statystycznych. Zastosowanie elementów teorii eksperymentów. Planowanie czynnikowe, metoda gradientu i simpleksowa poszukiwania optimum. Wielowymiarowa analiza danych związanych z górnictwem. Wybrane metody statystyki nieklasycznej – przykłady. 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:

Warunkiem dopuszczenia do egzaminu jest zaliczenie dwóch kolokwiów.
Zaliczenia poprawkowe podczas konsultacji albo w dodatkowo wyznaczonym terminie.

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 jest średnią z: oceny (zaliczenia) z ćwiczeń, oraz oceny z kolokwium z wykładów w stosunku 0.4 ćwiczenia, 0.6 wykład. Możliwe jest podwyższenie oceny w przypadku stwierdzenia szczególnej aktywności studenta podczas zajęć oraz obecności na wykładach.

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 kierunkowych.

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. Niedoba T.: Wielowymiarowe charakterystyki zmiennych losowych w opisie materiałów uziarnionych i procesów ich rozdziału, Wydawnictwo Instytutu Gospodarki Surowcami Mineralnymi i Energią PAN, seria: Studia, Rozprawy, Monografie, 2013.
7. Tumidajski T., Saramak D.: Metody i modele statystyki matematycznej w przeróbce surowców mineralnych, Wydawnictwa AGH, 2009.

Additional information:

Zaliczenie z ćwiczeń na podstawie oceny z kolokwium.
Kolokwium z zadań z zakresu realizowanego na ćwiczeniach audytoryjnych.
2 terminy kolokwium (1 podstawowy i 1 poprawkowy).
Dopuszczalna jedna nieobecność nieusprawiedliwiona na ćwiczeniach audytoryjnych.
Aktywność na zajęciach może spowodować podniesienie oceny końcowej.
Zaliczenie wykładów: kolokwium zaliczeniowe na ostatnim wykładzie. Przewidziany jest jeden termin podstawowy oraz jeden termin poprawkowy.
Nie przewiduje się możliwości poprawy oceny pozytywnej.