Module also offered within study programmes:
General information:
Name:
Zasady planowania eksperymentu i opracowania wyników pomiarów
Course of study:
2019/2020
Code:
STCH-1-402-s
Faculty of:
Energy and Fuels
Study level:
First-cycle studies
Specialty:
-
Field of study:
Chemical Technology
Semester:
4
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 Burmistrz Piotr (burmistr@agh.edu.pl)
Module summary

Przedmiot obejmuje zagadnienia wykorzystania metod statystycznych w naukach technicznych.

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 potrafi zidentyfikować problem, myśleć w sposób kreatywny i dokonać opisu problemu językiem statystyki. TCH1A_K01 Test
Skills: he can
M_U001 Student potrafi: -obliczyć prawdopodobieństwo warunkowe, sprawdzić niezależność zdarzeń, wykorzystać podstawowe twierdzenia rachunku prawdopodobieństwa w praktyce,-określić przedziały ufności dla parametrów rozkładu (wartości oczekiwanej, wariancji) i dla prawdopodobieństwa, -sformułować i zweryfikować hipotezy statystyczne: parametryczne i nieparametryczne, -przeprowadzić dyskusje błędu, oszacować niepewność wyniku badania (pomiaru), -zaplanować pomiary i eksperymenty, -przeprowadzić analizę danych eksperymentalnych. TCH1A_U03 Test,
Activity during classes
M_U002 Student potrafi: -wykorzystać specjalistyczne oprogramowanie komputerowe do przeprowadzenia obliczeń statystycznych, -przygotować merytoryczny raport opisujący rozwiązywany przez niego problem wraz z krytyczną dyskusją uzyskanych wyników, -pracować w zespole nad rozwiązaniem problemu w zakresie planowania eksperymentu, analizy i interpretacji statystycznej uzyskanych wyników. TCH1A_U03, TCH1A_U01 Execution of exercises,
Activity during classes
M_U003 Student rozumie potrzebę dokształcania się oraz podnoszenia swoich kwalifikacji i kompetencji zawodowych i osobistych. TCH1A_U08 Test
Knowledge: he knows and understands
M_W001 Student dysponuje podstawową wiedzą statystyczną w planowaniu eksperymentów oraz opracowaniu wyników pomiarów (badań), a w szczególności zna:-podstawowe twierdzenia rachunku prawdopodobieństwa, -pojęcia funkcji gęstości prawdopodobieństwa i dystrybuanty, -zasady estymacji punktowej i przedziałowej dla podstawowych parametrów rozkładu (wartości oczekiwanej, odchylenia standardowego) i prawdopodobieństwa, -zasady weryfikacji hipotez statystycznych: parametrycznych i nieparametrycznych, -ogólne zasady analizy wariancji, -rodzaje błędów pomiarowych, prawo propagacji błędów, -pojęcie niepewności, źródła niepewności, prawo propagacji niepewności, -podstawowe zasady analizy korelacji i regresji, -zasady planowania eksperymentu. TCH1A_W07, TCH1A_W01 Test,
Activity during classes
M_W002 Student posiada podstawową wiedzę z zakresu wykorzystywania sprzętu komputerowego oraz podstawowego oprogramowania z zakresu statystyki (programy Excel i Statistica) TCH1A_W07 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
50 25 25 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 potrafi zidentyfikować problem, myśleć w sposób kreatywny i dokonać opisu problemu językiem statystyki. - + - - - - - - - - -
Skills
M_U001 Student potrafi: -obliczyć prawdopodobieństwo warunkowe, sprawdzić niezależność zdarzeń, wykorzystać podstawowe twierdzenia rachunku prawdopodobieństwa w praktyce,-określić przedziały ufności dla parametrów rozkładu (wartości oczekiwanej, wariancji) i dla prawdopodobieństwa, -sformułować i zweryfikować hipotezy statystyczne: parametryczne i nieparametryczne, -przeprowadzić dyskusje błędu, oszacować niepewność wyniku badania (pomiaru), -zaplanować pomiary i eksperymenty, -przeprowadzić analizę danych eksperymentalnych. - + - - - - - - - - -
M_U002 Student potrafi: -wykorzystać specjalistyczne oprogramowanie komputerowe do przeprowadzenia obliczeń statystycznych, -przygotować merytoryczny raport opisujący rozwiązywany przez niego problem wraz z krytyczną dyskusją uzyskanych wyników, -pracować w zespole nad rozwiązaniem problemu w zakresie planowania eksperymentu, analizy i interpretacji statystycznej uzyskanych wyników. - + - - - - - - - - -
M_U003 Student rozumie potrzebę dokształcania się oraz podnoszenia swoich kwalifikacji i kompetencji zawodowych i osobistych. - + - - - - - - - - -
Knowledge
M_W001 Student dysponuje podstawową wiedzą statystyczną w planowaniu eksperymentów oraz opracowaniu wyników pomiarów (badań), a w szczególności zna:-podstawowe twierdzenia rachunku prawdopodobieństwa, -pojęcia funkcji gęstości prawdopodobieństwa i dystrybuanty, -zasady estymacji punktowej i przedziałowej dla podstawowych parametrów rozkładu (wartości oczekiwanej, odchylenia standardowego) i prawdopodobieństwa, -zasady weryfikacji hipotez statystycznych: parametrycznych i nieparametrycznych, -ogólne zasady analizy wariancji, -rodzaje błędów pomiarowych, prawo propagacji błędów, -pojęcie niepewności, źródła niepewności, prawo propagacji niepewności, -podstawowe zasady analizy korelacji i regresji, -zasady planowania eksperymentu. + + - - - - - - - - -
M_W002 Student posiada podstawową wiedzę z zakresu wykorzystywania sprzętu komputerowego oraz podstawowego oprogramowania z zakresu statystyki (programy Excel i Statistica) + + - - - - - - - - -
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 90 h
Module ECTS credits 3 ECTS
Udział w zajęciach dydaktycznych/praktyka 50 h
Realization of independently performed tasks 40 h
Module content
Lectures (25h):

1. Wybrane elementy rachunku prawdopodobieństwa. Definicje prawdopodobieństwa. Aksjomaty i wybrane twierdzenia rachunku prawdopodobieństwa.
2. Zdarzenia losowe, zmienne losowe, funkcja gęstości prawdopodobieństwa, dystrybuanta, parametry rozkładu.
3. Wybrane rozkłady zmiennych losowych dyskretnych i ciągłych: rozkład dwupunktowy, Bernoulliego, wielomianowy, Poissona, Pascala, jednostajny, normalny, logarytmiczno – normalny, wykładniczy, gamma, chi-kwadrat, t-Studenta, F-Snedecora.
4. Teoria estymacji. Populacja generalna, populacja próbna, pobieranie próbek, estymatory parametrów, kryteria oceny estymatorów.
5. Estymacja punktowa. Estymacja przedziałowa.
6. Weryfikacja hipotez statystycznych. Błędy I i II rodzaju. Testy parametryczne, testy nieparametryczne.
7. Teoria błędów pomiarowych. Błąd przypadkowy, błąd graniczny (maksymalny), prawo propagacji błędów.
8. Niepewność. Podstawowe definicje, identyfikacja źródeł niepewności, budżet niepewności. Prawo propagacji niepewności.
9. Analiza wariancji jednej i wielu zmiennych.
10. Analiza korelacji i regresji.
11. Zasady planowania eksperymentu. Analiza czynnikowa, randomizacja eksperymentu.

Auditorium classes (25h):

Na ćwiczeniach audytoryjnych studenci rozwiązują w praktyce problemy omawiane na wykładach. Ponadto studenci dostają do rozwiązania, na zasadzie dobrowolnej pracy domowej, bardziej zaawansowane zadania (problemy).

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: 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:

Oceny z ćwiczeń audytoryjnych © obliczana jest następująco: procent uzyskanych punktów przeliczany jest na ocenę zgodnie z Regulaminem studiów wyższych AGH.

Ocena końcowa (OK) obliczana jest jako średnia ważona z następującego wzoru:

OK = 0,9*C + 0,1*W

Gdzie (W) oznacza ocenę za aktywność studenta na wykładzie.

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

Prerequisites and additional requirements:

Prerequisites and additional requirements not specified

Recommended literature and teaching resources:

1. J.Godziszewski, R.Mania, R.Pampuch „Zasady planowania doświadczeń i opracowywanie wyników pomiarów” – skrypt AGH 1093, Kraków 1987 i wydania późniejsze.
2. A.Sikorski i inni „Metody statystyczne dla chemików” – PWN Warszawa, 1986 i wydania późniejsze.
3. S.Brandt „Analiza danych” – PWN Warszawa, 1998.
4. W.Klonecki „Elementy statystyki dla inżynierów” – Wrocław 1996.

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

1. P.Burmistrz, K.Kogut – Mercury in Bituminous Coal Combusted in Polish Power Plants – Archives of Mining Sciences: 2016, 61, No.3, pp. 473-488.
2. P. Burmistrz i inni „Opracowanie systemu oceny ryzyka nieodłącznego oraz ryzyka zawodności systemów w procesie monitorowania wielkości emisji substancji objętych wspólnotowym systemem handlu uprawnieniami do emisji w warunkach Elektrociepłowni „Kraków” S.A., 2012 – zlecenie EDF Polska.
3. P.Burmistrz, K.Bytnar, K.Kogut, P.Rychcik, S.Stelmach „Wiarygodność wyników badań węgla kamiennego” Gospodarka Surowcami Mineralnymi, 2008, 24, 33-48.

Additional information:

None