Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Analiza Danych Jakościowych
Tok studiów:
2019/2020
Kod:
AMAT-2-303-MU-s
Wydział:
Matematyki Stosowanej
Poziom studiów:
Studia II stopnia
Specjalność:
Matematyka ubezpieczeniowa
Kierunek:
Matematyka
Semestr:
3
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma studiów:
Stacjonarne
Strona www:
 
Prowadzący moduł:
prof. dr hab. inż. Szkutnik Zbigniew (szkutnik@agh.edu.pl)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

Wiedza w zakresie metod analizy danych jakościowych i jej zastosowań w praktyce. Pakiet statystyczny R.

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 pogłębioną wiedzę w zakresie metod analizy danych jakościowych i potrafi ją stosować w praktyce, dobrze zna pakiet statystyczny R MAT2A_W12, MAT2A_W09, MAT2A_W04 Odpowiedź ustna,
Esej,
Egzamin,
Aktywność na zajęciach,
Kolokwium
Umiejętności: potrafi
M_U001 umie przedstawiać w mowie i w piśmie stosowane metody analizy i jej wyniki MAT2A_U13, MAT2A_U12, MAT2A_U11, MAT2A_U16 Esej,
Egzamin,
Aktywność na zajęciach,
Kolokwium,
Odpowiedź ustna
M_U002 potrafi stosować modele probabilistyczne w problemach praktycznych z danymi jakościowymi MAT2A_U12, MAT2A_U11, MAT2A_W09 Esej,
Egzamin,
Aktywność na zajęciach,
Kolokwium
Kompetencje społeczne: jest gotów do
M_K001 umie samodzielnie wyszukiwać informacje naukowe, także obcojęzyczne, rozumie i docenia znaczenie uczciwości intelektualnej MAT2A_K06, MAT2A_K04 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
30 30 0 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 pogłębioną wiedzę w zakresie metod analizy danych jakościowych i potrafi ją stosować w praktyce, dobrze zna pakiet statystyczny R + - - - - - - - - - -
Umiejętności
M_U001 umie przedstawiać w mowie i w piśmie stosowane metody analizy i jej wyniki + - - - - - - - - - -
M_U002 potrafi stosować modele probabilistyczne w problemach praktycznych z danymi jakościowymi + - - - - - - - - - -
Kompetencje społeczne
M_K001 umie samodzielnie wyszukiwać informacje naukowe, także obcojęzyczne, rozumie i docenia znaczenie uczciwości intelektualnej + - - - - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 101 godz
Punkty ECTS za moduł 4 ECTS
Udział w zajęciach dydaktycznych/praktyka 30 godz
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 20 godz
Samodzielne studiowanie tematyki zajęć 47 godz
Egzamin lub kolokwium zaliczeniowe 2 godz
Dodatkowe godziny kontaktowe 2 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (30h):
  1. Rodzaje danych jakościowych i ich podstawowe modele probabilistyczne.
  2. Twierdzenie o związku optymalnych testów i optymalnych zbiorów ufności.

    Testy Walda, testy wynikowe i testy ilorazu wiarogodności, oraz generowane przez nie zbiory ufności.

  3. Wnioskowanie w modelu dwumianowym i poissonowskim.
  4. Wnioskowanie w modelu wielomianowym. Typy planów eksperymentu.
  5. Ryzyko względne, ilorazy szans, zmienne ukryte i paradoks Simpsona.
  6. Miary zależności dla zmiennych nominalnych: współczynniki Goodmana-Kruskala i Theila.
  7. Współczynnik gamma Goodmana-Kruskala.

    Zależności dla zmiennych o wartościach uporządkowanych. Test niezależności chi-kwadrat i test ilorazu wiarogodności.

  8. Dokładny test Fishera niezależności w tablicach kontyngencji.
  9. Uogólnione modele liniowe (GLM).
  10. Momenty w rodzinach wykładniczych i funkcja wiarogodności w modelach GLM.
  11. Metoda największej wiarogodności dla modeli GLM.

    Algorytm Newtona-Raphsona i algorytm Fishera z interpretacją jako „iteracyjnie ważona metoda najmniejszych kwadratów”.

  12. Regresja logistyczna.

    Estymacja, weryfikacja, interpretacja, przykłady.

  13. Kodowanie nominalnych zmiennych objaśniających. Kontrasty proste i resztowe.
  14. Kontrasty wielomianowe dla zmiennych jakościowych o wartościach uporządkowanych. Modele GLM z funkcją wiążącą typu log-log.
Pozostałe informacje
Metody i techniki kształcenia:
  • Wykład: Wykład jest klasycznym wykładem tablicowym. Mile widziana aktywność studentów podczas wykładu - np. zadawanie pytań wykładowcy.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Warunkiem koniecznym dopuszczenia do egzaminu jest posiadanie oceny pozytywnej z ćwiczeń i projektu.
Dwa terminy zaliczeń poprawkowych są skorelowane czasowo z egzaminami poprawkowymi.

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

Ocena końcowa OK jest średnią ocen z egzaminu OE i projektu OP:
OK = 1/2 OE + 1/2 OP.

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

Student powinien zgłosić się do prowadzącego w celu ustalenia indywidualnego sposobu nadrobienia zaległości.

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

Zaliczony moduł „Statystyka Matematyczna”.

Zalecana literatura i pomoce naukowe:
  1. A.Agresti, Categorical Data Analysis (2nd edition), Wiley, New York, 2002 (Rozdz. 1-7).
  2. J.Koronacki, J.Mielniczuk, Statystyka dla studentów kierunków technicznych i przyrodniczych, WNT, Warszawa, 2001 (Rozdz. 6).
Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

1. Nosek, Konrad; Szkutnik, Zbigniew Change-point detection in a shape-restricted regression model;
Statistics 48, No. 3, 641-656 (2014).

2. Szkutnik, Zbigniew; Grzyb, Łukasz; A note on consistent estimation of Kullback-Leibler discrepancy in Poisson regression; J. Stat. Plann. Inference 142, No. 6, 1619-1622 (2012).

3. Szkutnik, Zbigniew; On the Durbin-Wagle randomization device and some of its applications;
J. Multivariate Anal. 109, 103-108 (2012).

4. Majerski, P.; Szkutnik, Z.; A note on asymptotic expansions for the power of perturbed tests;
J. Stat. Plann. Inference 141, No. 12, 3736-3743 (2011).

5. Szkutnik, Zbigniew; A note on minimax rates of convergence in the Spektor-Lord-Willis problem;
Opusc. Math. 30, No. 2, 203-207 (2010).

6. Majerski, Piotr; Szkutnik, Zbigniew
Approximations to most powerful invariant tests for multinormality against some irregular alternatives;
Test 19, No. 1, 113-130 (2010).

7. Nosek, K.; Szkutnik, Z.; A power study of k-linear-r-ahead recursive residuals test for change-point in finite sequences; J. Stat. Comput. Simulation 78, No. 11-12, 1201-1213 (2008).

8. Dudek, Anna; Szkutnik, Zbigniew; Minimax unfolding spheres’ size distribution from linear sections; Stat. Sin. 18, No. 3, 1063-1080 (2008).

9. Szkutnik, Zbigniew; Unfolding spheres size distribution from linear sections with B-splines and EMDS algorithm; Opusc. Math. 27, No. 1, 151-165 (2007).

10. Szkutnik, Zbigniew;
B-splines and discretization in an inverse problem for Poisson processes.
J. Multivariate Anal. 93, No. 1, 198-221 (2005).

11. On a dense minimizer of empirical risk in inverse problems, Jacek Podlewski, Zbigniew SZKUTNIK; Opuscula Mathematica (2016) 36 no. 5, s. 671–679.

Informacje dodatkowe:

Brak