Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Probability and Statistics
Tok studiów:
2019/2020
Kod:
IETE-1-202-s
Wydział:
Informatyki, Elektroniki i Telekomunikacji
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Electronics and Telecommunications
Semestr:
2
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Angielski
Forma studiów:
Stacjonarne
Prowadzący moduł:
prof. dr hab. inż. Zakrzewska Katarzyna (zak@agh.edu.pl)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

Celem modułu jest wprowadzenie do probabilistyki i statystyki, opanowanie przez studenta metod analizy danych eksperymentalnych przy wykorzystaniu statystyki, poznanie innych zastosowań probabilistyki

Opis efektów uczenia się dla modułu zajęć
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Powiązania z KEU Sposób weryfikacji i oceny efektów uczenia się osiągniętych przez studenta w ramach poszczególnych form zajęć i dla całego modułu zajęć
Wiedza: zna i rozumie
M_W001 Students acquire knowledge and understanding of the fundamental theory of probability and statistics ETE1A_W01 Wynik testu zaliczeniowego
M_W002 Students gain practical skills in using tools relevant for constructing the probabilistic description of events ETE1A_W01 Kolokwium
M_W003 Students have ordered and well-established knowledge of statistical analysis of the experimental data taking into account the uncertainties. ETE1A_W01, ETE1A_W07 Kolokwium
Umiejętności: potrafi
M_U001 Student learns how to get information about problems in probabilistics and statistics and how to solve simple tasks ETE1A_U03, ETE1A_U02 Kolokwium
M_U002 Can calculate the total, conditional and independent probability in relation to specific examples. ETE1A_U06 Egzamin
M_U003 He can use the known methods and mathematical models and computer simulations to analyze the experimental data, indicating the confidence intervals and the accuracy of the result. ETE1A_U03, ETE1A_U02 Egzamin
Kompetencje społeczne: jest gotów do
M_K001 He knows that an appropriate probabilistic and statistical analysis can help to understand the importance of the accuracy of the device and its measurement possibilities. ETE1A_K01, ETE1A_K02 Kolokwium
Liczba godzin zajęć w ramach poszczególnych form zajęć:
SUMA (godz.)
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
34 20 14 0 0 0 0 0 0 0 0 0
Matryca kierunkowych efektów uczenia się w odniesieniu do form zajęć i sposobu zaliczenia, które pozwalają na ich uzyskanie
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Forma zajęć dydaktycznych
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
Wiedza
M_W001 Students acquire knowledge and understanding of the fundamental theory of probability and statistics + + - - - - - - - - -
M_W002 Students gain practical skills in using tools relevant for constructing the probabilistic description of events + + - - - - - - - - -
M_W003 Students have ordered and well-established knowledge of statistical analysis of the experimental data taking into account the uncertainties. + + - - - - - - - - -
Umiejętności
M_U001 Student learns how to get information about problems in probabilistics and statistics and how to solve simple tasks + + - - - - - - - - -
M_U002 Can calculate the total, conditional and independent probability in relation to specific examples. + + - - - - - - - - -
M_U003 He can use the known methods and mathematical models and computer simulations to analyze the experimental data, indicating the confidence intervals and the accuracy of the result. + + - - - - - - - - -
Kompetencje społeczne
M_K001 He knows that an appropriate probabilistic and statistical analysis can help to understand the importance of the accuracy of the device and its measurement possibilities. + + - - - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 79 godz
Punkty ECTS za moduł 3 ECTS
Udział w zajęciach dydaktycznych/praktyka 34 godz
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 20 godz
Samodzielne studiowanie tematyki zajęć 25 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (20h):

Module is composed of lectures (20 hours) and tutorials (14 hours)

Lectures:

1. Introduction to the Analysis of Measurements’ Uncertainties

Sources of experimental errors. Relative and absolute uncertainty, standard and maximum uncertainty. Classification of errors according to International Standards of Measurement Uncertainty Evaluation. Average value, variance, standard deviation, histogram. Normal distribution of uncertainties. Propagation of errors. Data treatment: the least squares method – linear regression and linearization of data

2. Introduction to the theory of probability

Historical background; the concept of probability; the paradox of the Chevalier de Méré; the role of probability and statistics in science and engineering; type of statistical data and their graphical representation.

2. Basic concepts of probability

Sample space and events; definitions and interpretation of probability, elements of combinatorics (permutations, combinations), conditional probability; independence; Bayes’ theorem; random variables; advanced problems concerning calculation of probability

3. Discrete random variables and probability distribution

Probability mass function; cumulative distribution function; mean and variance of a discrete random variable; quantiles, median, mode, range, discrete uniform distribution; examples: binomial distribution; hypergeometric distribution; Poisson distribution, etc.

4. Continuous random variables and probability distribution

Probability density function; normal distribution; exponential distribution; Erlang and Gamma distribution; Weibull distribution; Lognormal distribution; calculation of mean and variance of distributions of continuous random variables; examples of integration

5. Joint probability distribution

Two independent variables, linear combinations of random variables, covariance and correlation, simple linear regression, non-linear regression

6. Estimation of parameters

General concept of point estimation, population and sampling, estimators: consistent, unbiased, efficient, point estimation, statistical intervals for a single sample, confidence intervals, level of confidence.

7. Statistical inference
Types and verification of hypothesis, parametric tests of significance; errors of type I and II.

8. Additional applications of statistical methods

statistical physics, quantum mechanical statistics (Fermi-Dirac, Bose-Einstein).

Ćwiczenia audytoryjne (14h):

Tutorials

1. Combinatorics, the Newton’s symbol
2. Probability: total, conditional and independent; Bayes Theorem
3. Random variable and cumulative distribution function
4. Calculating the of the probability based on its density
5. Introduction to Statistics: average, standard deviation, variance
6. Regression analysis of the sample data
7. Calculation of confidence intervals for different data
8. Verification of the educational effects – final test

Pozostałe informacje
Metody i techniki kształcenia:
  • Wykład: Treści prezentowane na wykładzie są przekazywane w formie prezentacji multimedialnej w połączeniu z klasycznym wykładem tablicowym wzbogaconymi o pokazy odnoszące się do prezentowanych zagadnień.
  • Ćwiczenia audytoryjne: 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:

Zasady udziału w zajęciach:
  • Wykład:
    – Obecność obowiązkowa: Nie
    – Zasady udziału w zajęciach: 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.
  • Ćwiczenia audytoryjne:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: 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.
Sposób obliczania oceny końcowej:

The final grade depends on the assessment of tutorials and the active student work during the lectures. This work can be in the form of test and homework. Positive (3.0) score obtained as a result of tutorials is a prerequisite for a positive final grade (3.0). The final score is calculated as a weighted average of the grades of tutorials and lectures.

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

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

Knowledge of mathematical algebra and analysis and computer skills.

Zalecana literatura i pomoce naukowe:

1. Douglas C. Montgomery, George C. Runger, “Applied Statistics and Probability for Engineers”, Third Edition, John Wiley & Sons, 2003
2. Sobczyk M., “Statystyka”, Wydawnictwo Naukowe PWN, Warszawa, 1996

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Brak