Module also offered within study programmes:
General information:
Name:
Statystyka
Course of study:
2019/2020
Code:
GIPZ-1-301-s
Faculty of:
Mining and Geoengineering
Study level:
First-cycle studies
Specialty:
-
Field of study:
-
Semester:
3
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-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 Rozumie istotę prawidłowego doboru próby reprezentatywnej do badań statystycznych IPZ1A_K01 Activity during classes,
Examination,
Test,
Execution of exercises
M_K002 Ma świadomość istoty prawidłowego przepływu danych i ich prawidłowego przechowywania IPZ1A_K01 Activity during classes,
Examination,
Test,
Execution of exercises
Skills: he can
M_U001 Umie planować i wykonywać podstawowe analizy statystyczne zmiennych losowych IPZ1A_U01, IPZ1A_U03, IPZ1A_U02, IPZ1A_U04 Activity during classes,
Examination,
Test,
Execution of exercises
M_U002 Potrafi badać zależności pomiędzy zmiennymi losowymi oraz interpretować ich wyniki IPZ1A_U01, IPZ1A_U03, IPZ1A_U04 Activity during classes,
Examination,
Test,
Execution of exercises
M_U003 Potrafi opracowywać równania regresji dla dwóch i większej ilości zmiennych IPZ1A_U01, IPZ1A_U03, IPZ1A_U04 Activity during classes,
Examination,
Test,
Execution of exercises
M_U004 Wie jak przeprowadzać badania statystyczne różnymi metodami IPZ1A_U01, IPZ1A_U03, IPZ1A_U04 Activity during classes,
Examination,
Test,
Execution of exercises
Knowledge: he knows and understands
M_W001 Ma wiedzę na temat zmiennych losowych i ich rozkładów IPZ1A_W01 Activity during classes,
Examination,
Test,
Execution of exercises
M_W002 Posiada bazową wiedzę z zakresu rachunku prawdopodobieństwa IPZ1A_W02, IPZ1A_W01 Activity during classes,
Examination,
Test,
Execution of exercises
M_W003 Posiada wiedzę na temat weryfikacji hipotez statystycznych IPZ1A_W02, IPZ1A_W01 Activity during classes,
Examination,
Test,
Execution of exercises
M_W004 Ma wiedzę na temat analizy korelacji dla dwóch i większej ilości zmiennych losowych IPZ1A_W02, IPZ1A_W01 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
60 30 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 Rozumie istotę prawidłowego doboru próby reprezentatywnej do badań statystycznych + + - - - - - - - - -
M_K002 Ma świadomość istoty prawidłowego przepływu danych i ich prawidłowego przechowywania + + - - - - - - - - -
Skills
M_U001 Umie planować i wykonywać podstawowe analizy statystyczne zmiennych losowych + + - - - - - - - - -
M_U002 Potrafi badać zależności pomiędzy zmiennymi losowymi oraz interpretować ich wyniki + + - - - - - - - - -
M_U003 Potrafi opracowywać równania regresji dla dwóch i większej ilości zmiennych + + - - - - - - - - -
M_U004 Wie jak przeprowadzać badania statystyczne różnymi metodami + + - - - - - - - - -
Knowledge
M_W001 Ma wiedzę na temat zmiennych losowych i ich rozkładów + + - - - - - - - - -
M_W002 Posiada bazową wiedzę z zakresu rachunku prawdopodobieństwa + + - - - - - - - - -
M_W003 Posiada wiedzę na temat weryfikacji hipotez statystycznych + + - - - - - - - - -
M_W004 Ma wiedzę na temat analizy korelacji dla dwóch i większej ilości zmiennych losowych + + - - - - - - - - -
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 159 h
Module ECTS credits 6 ECTS
Udział w zajęciach dydaktycznych/praktyka 60 h
Preparation for classes 25 h
Realization of independently performed tasks 71 h
Examination or Final test 2 h
Contact hours 1 h
Module content
Lectures (30h):

1. Elementy rachunku prawdopodobieństwa i definicje prawdopodobieństwa – podstawowe twierdzenia.
2. Prawdopodobieństwo warunkowe, tw. Bayesa.
3. Rozkłady zmiennych losowych: rozkład Bernoulliego, Poissona, rozkład równomierny, normalny, Weibulla i inne.
4. Definicje populacji, próby, zasady losowania, podstawy opracowywania wyników: histogramy, momenty z próby, podstawowe twierdzenia o rozkładach statystyk.
5. Przedziały ufności dla średniej, wariancji i wskaźnika struktury.
6. Wzory na wielkość próby, zasady pobierania prób.
7. Testy istotności – parametryczne dla średnich, wariancji i wskaźnika struktury; nieparametryczne – testy niezależności i zgodności, testy serii.
8. Analiza korelacji i regresji.
9. Elementy teorii eksperymentów, planowanie czynnikowe.

Auditorium classes (30h):

1. Zastosowanie rachunku prawdopodobieństwa i definicje prawdopodobieństwa – podstawowe twierdzenia.
2. Prawdopodobieństwo warunkowe, tw. Bayesa w zastosowaniu w ekonomii.
3. Rozkłady zmiennych losowych: rozkład Bernoulliego, Poissona, rozkład równomierny, normalny, Weibulla i inne. Ich zastosowanie w analizach ekonomicznych.
4. Definicje populacji, próby, zasady losowania, podstawy opracowywania wyników: histogramy, momenty z próby, podstawowe twierdzenia o rozkładach statystyk.
5. Przedziały ufności dla średniej, wariancji i wskaźnika struktury.
6. Wzory na wielkość próby, zasady pobierania prób.
7. Testy istotności – parametryczne dla średnich, wariancji i wskaźnika struktury; nieparametryczne – testy niezależności i zgodności, testy serii. Ich interptretacja w zagadnieniach związanych z ekonomią.
8. Analiza korelacji i regresji. Modelowanie na przykładzie danych ekonomicznych.
9. Elementy teorii eksperymentów, planowanie czynnikowe.
10. 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:

0,5 x ocena z egzaminu + 0,5 X ocena z zaliczenia. Aktywność na zajęciach może spowodować podniesienie oceny końcowej. Regularne uczestnictwo w wykładach może podnieść ocenę końcową, nieuczestniczenie w wykładach może spowodować obniżenie oceny końcowej

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

Praca indywidualna studenta wg wskazówek prowadzącego.

Prerequisites and additional requirements:

Zalecana znajomość modułu Matematyka (I stopień studiów)

Recommended literature and teaching resources:

1. A. Aczel: Statystyka w zarządzaniu, PWN, Warszawa, 2005.
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 na podstawie średniej oceny z 2 kolokwiów.
Kolokwia z zadań z zakresu realizowanego na ćwiczeniach audytoryjnych.
2 terminy każdego kolokwium (1 podstawowy i 1 poprawkowy).
Dopuszczalna jedna nieobecność nieusprawiedliwiona na ćwiczeniach audytoryjnych.
Aktywność na zajęciach może spowodować podniesienie oceny końcowej.
Nie przewiduje się możliwości poprawy oceny pozytywnej.