Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Probabilistyka i statystyka
Tok studiów:
2019/2020
Kod:
IETP-1-110-s
Wydział:
Informatyki, Elektroniki i Telekomunikacji
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Elektronika i Telekomunikacja
Semestr:
1
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma studiów:
Stacjonarne
Strona www:
 
Prowadzący moduł:
dr inż. Swatowska Barbara (swatow@agh.edu.pl)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

Moduł zapoznaje Studenta z modelami matematycznymi probabilistyki i statystyki oraz z metodami ich wykorzystania:
- podczas projektowania urządzeń,
- przy ocenie dokładności danych pomiarowych.

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 Ma wiedzę w zakresie pojęć kombinatoryki ETP1A_W01, ETP1A_W07 Aktywność na zajęciach,
Kolokwium
M_W002 Ma wiedzę w zakresie opisu probabilistycznego. ETP1A_W01, ETP1A_W07 Kolokwium
M_W003 Ma uporządkowaną i podbudowaną wiedzę w zakresie statystycznej analizy danych eksperymentalnych. ETP1A_W01, ETP1A_W07 Wykonanie projektu,
Kolokwium
Umiejętności: potrafi
M_U001 Potrafi rozwiązywać zadania z zastosowaniem pojęć kombinatoryki. ETP1A_U09, ETP1A_U02, ETP1A_U06 Odpowiedź ustna
M_U002 Potrafi wyznaczać prawdopodobieństwo całkowite, warunkowe i niezależne w odniesieniu do konkretnych przykładów. ETP1A_U02 Kolokwium
M_U003 Potrafi wykorzystać poznane metody i modele matematyczne, a także symulacje komputerowe do analizy danych eksperymentalnych, z określeniem przedziałów ufności i dokładności wyniku. ETP1A_U03, ETP1A_U04, ETP1A_U02, ETP1A_U06 Kolokwium
Kompetencje społeczne: jest gotów do
M_K001 Wie, że odpowiednia analiza probabilistyczna i statystyczna może pomóc zrozumieć znaczenie dokładności wykonania urządzenia oraz jego możliwości pomiarowe. ETP1A_K04, ETP1A_K02, ETP1A_K01 Aktywność na zajęciach
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 Ma wiedzę w zakresie pojęć kombinatoryki + + - - - - - - - - -
M_W002 Ma wiedzę w zakresie opisu probabilistycznego. + + - - - - - - - - -
M_W003 Ma uporządkowaną i podbudowaną wiedzę w zakresie statystycznej analizy danych eksperymentalnych. + + - - - - - - - - -
Umiejętności
M_U001 Potrafi rozwiązywać zadania z zastosowaniem pojęć kombinatoryki. + + - - - - - - - - -
M_U002 Potrafi wyznaczać prawdopodobieństwo całkowite, warunkowe i niezależne w odniesieniu do konkretnych przykładów. + + - - - - - - - - -
M_U003 Potrafi wykorzystać poznane metody i modele matematyczne, a także symulacje komputerowe do analizy danych eksperymentalnych, z określeniem przedziałów ufności i dokładności wyniku. + + - - - - - - - - -
Kompetencje społeczne
M_K001 Wie, że odpowiednia analiza probabilistyczna i statystyczna może pomóc zrozumieć znaczenie dokładności wykonania urządzenia oraz jego możliwości pomiarowe. + + - - - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 80 godz
Punkty ECTS za moduł 3 ECTS
Udział w zajęciach dydaktycznych/praktyka 34 godz
Przygotowanie do zajęć 15 godz
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 15 godz
Samodzielne studiowanie tematyki zajęć 16 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (20h):

Zajęcia w ramach modułu prowadzone są w postaci wykładu (20 godzin) oraz ćwiczeń audytoryjnych (14 godzin)

WYKŁADY

1. Wprowadzenie
Rys historyczny; idea prawdopodobieństwa; paradoks kawalera de Méré; znaczenie rachunku prawdopodobieństwa i statystyki w nauce i problemach inżynierskich, typy danych statystycznych i sposoby ich graficznej prezentacji (np. histogram).
2. Rachunek prawdopodobieństwa
Zdarzenie losowe; definicje i interpretacja prawdopodobieństwa, elementy kombinatoryki (permutacje, wariacje i kombinacje), prawdopodobieństwo warunkowe; niezależność zdarzeń; twierdzenie Bayesa; zmienne losowe przypadkowe; rozwiązywanie zaawansowanych zadań z rachunku prawdopodobieństwa.
3. Dyskretna (skokowa) zmienna losowa i rozkład prawdopodobieństwa
Pojęcie rozkładu prawdopodobieństwa; dystrybuanta dla rozkładu dyskretnej zmiennej losowej; parametry (miary opisowe) rozkładu: kwantyle, średnia (wartość oczekiwana) mediana, moda, rozstęp, wariancja (odchylenie standardowe); przykładowe rozkłady dyskretnej zmiennej losowej: rozkład jednorodny, rozkład Bernoulliego.
4. Ciągła zmienna losowa i funkcja gęstości prawdopodobieństwa
Funkcja gęstości prawdopodobieństwa; rozkład normalny Gaussa; przykładowe rozkłady asymetryczne; przykłady całkowania.
5. Wielowymiarowy rozkład prawdopodobieństwa
Dwie zmienne zależne, liniowa kombinacja zmiennych losowych, kowariancja i korelacja, prosta regresja liniowa, regresja krzywoliniowa.
6. Estymacja parametrów
Podstawy estymacji punktowej, populacja a próba, losowanie, estymatory: zgodne, nieobciążone, efektywne, estymacja przedziałowa, przedział ufności, poziom ufności.
7. Wnioskowanie statystyczne
Rodzaje i weryfikacja hipotez statystycznych; parametryczne testy istotności; błędy pierwszego i drugiego rozdziału.
8. Zastosowanie metod statystycznych
Teoria niepewności pomiaru.

Ćwiczenia audytoryjne (14h):

ĆWICZENIA

1. Kombinatoryka, symbol Newtona
2. Prawdopodobieństwo całkowite, warunkowe i niezależne, Twierdzenie Bayesa
3. Zmienna losowa i dystrybuanta
4. Obliczanie prawdopodobieństwa z wykorzystaniem gęstości
5. Wprowadzenie do statystyki, średnia, odchylenie standardowe, wariancja
6. Analiza regresji przykładowych danych
7. Obliczanie przedziału ufności dla różnych danych
8. Weryfikacja zdobytych wiadomości – kolokwium zaliczeniowe

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:

Ćwiczenia zaliczane są:
- na podstawie obecności na zajęciach (dopuszczalna jedna nieobecność)
- pozytywnej oceny z kolokwiów cząstkowych
- pozytywnej oceny z projektu (opracowanie danych statystycznych)
- pozytywnej oceny z testu końcowego.
Ocena pracy studenta bazuje także na wypowiedziach ustnych.

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:

Warunkiem koniecznym do uzyskania pozytywnej oceny końcowej OK z przedmiotu jest otrzymanie pozytywnej oceny z ćwiczeń. Decydującą wagę (nie mniej niż 40%) w ocenie z ćwiczeń ma kolokwium zaliczeniowe (obejmujące także materiał z wykładów).

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

-

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

Znajomość algebry i analizy matematycznej oraz obsługi komputera.

Zalecana literatura i pomoce naukowe:

1. Plucińska A., Pluciński E., “Probabilistyka Rachunek prawdopodobieństwa, statystyka matematyczna, procesy stochastyczne”, Wydawnictwa Naukowo-Techniczne, 2000
2. Jakubowski J., Sztencel R., “Wstęp do teorii prawdopodobieństwa”, SCRIPT, 2000
3. Sobczyk M., “Statystyka”, Wydawnictwo Naukowe PWN, Warszawa, 1996
4. Douglas C. Montgomery, George C. Runger, “Applied Statistics and Probability for Engineers”, Third Edition, John Wiley & Sons, 2003

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

1. B. Swatowska, W. Maziarz, Ł. Więckowski, „Parametry i zastosowanie modułu słonecznego na bazie krzemowych ogniw multikrystalicznych” (Parameters and application of PV module on base multicrystalline silicon solar cells), Elektronika, Nr 5 (2010) 29-31
2. B. Swatowska, T. Stapiński, „Amorphous hydrogenated silicon-nitride films for applications in solar cells”, Vacuum, 82 (2008) 942-946

Informacje dodatkowe:

Wykład będzie prowadzony z wykorzystaniem innowacyjnych metod dydaktycznych, opracowanych w ramach projektu POWR.03.04.00-00-D002/16, realizowanego w latach 2017-2019 na Wydziale Informatyki, Elektroniki i Telekomunikacji w ramach Programu Operacyjnego Wiedza Edukacja Rozwój 2014-2020.