Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Elementy statystyki wielowymiarowej
Tok studiów:
2019/2020
Kod:
AMAT-2-410-MU-s
Wydział:
Matematyki Stosowanej
Poziom studiów:
Studia II stopnia
Specjalność:
Matematyka ubezpieczeniowa
Kierunek:
Matematyka
Semestr:
4
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma studiów:
Stacjonarne
Strona www:
 
Prowadzący moduł:
dr Ćmiel Bogdan (cmielbog@mat.agh.edu.pl)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

Elementy statystyki wielowymiarowej.

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 Zna podstawowe pojęcia i zagadnienia związane z problemami wysokiego wymiaru w statystyce MAT2A_W12, MAT2A_W06, MAT2A_W01, MAT2A_W04, MAT2A_W03, MAT2A_W08 Prezentacja
Umiejętności: potrafi
M_U001 rozumie ograniczoność własnej wiedzy i potrzebę dalszego kształcenia MAT2A_K01, MAT2A_K02 Prezentacja
M_U002 Umie formułować pewne zagadnienia związane z wyborem modelu oraz zna podstawowe metody ich rozwiązywania MAT2A_U19, MAT2A_U12, MAT2A_U21 Prezentacja
M_U003 Potrafi w sposób zrozumiały, w mowie i piśmie, przedstawić poprawne rozumowanie matematyczne, formułować twierdzenia i definicje MAT2A_U01, MAT2A_U02, MAT2A_K05 Aktywność na zajęciach
M_U004 Potrafi badać teoretyczne problemy związane z wielokrotnym testowaniem MAT2A_U20, MAT2A_U19, MAT2A_U21, MAT2A_U01, MAT2A_U02 Prezentacja
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 0 0 0 0 0 30 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 Zna podstawowe pojęcia i zagadnienia związane z problemami wysokiego wymiaru w statystyce - - - - - + - - - - -
Umiejętności
M_U001 rozumie ograniczoność własnej wiedzy i potrzebę dalszego kształcenia - - - - - + - - - - -
M_U002 Umie formułować pewne zagadnienia związane z wyborem modelu oraz zna podstawowe metody ich rozwiązywania - - - - - + - - - - -
M_U003 Potrafi w sposób zrozumiały, w mowie i piśmie, przedstawić poprawne rozumowanie matematyczne, formułować twierdzenia i definicje - - - - - + - - - - -
M_U004 Potrafi badać teoretyczne problemy związane z wielokrotnym testowaniem - - - - - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 50 godz
Punkty ECTS za moduł 2 ECTS
Udział w zajęciach dydaktycznych/praktyka 30 godz
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 10 godz
Samodzielne studiowanie tematyki zajęć 10 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Zajęcia seminaryjne (30h):

1. Przekleństwo wymiaru, podstawowe problemy związane z wysokim wymiarem
2. Wybór odpowiedniego modelu, podstawowe techniki i kryteria
3. Wybór odpowiedniego estymatora, podstawowe techniki i kryteria
4. Wielowymiarowa regresja
5. Wielokrotne testowanie, kontrolowanie frakcji „fałszywych odkryć”
6. Algorytmy numeryczne

Realizowane tematy będą wybierane z powyższej listy w zależności od liczby uczestników seminarium. Odpowiednio dostosowywany będzie także stopień szczegółowości.

Pozostałe informacje
Metody i techniki kształcenia:
  • Zajęcia seminaryjne: Na zajęciach seminaryjnych podstawą jest prezentacja multimedialna oraz ustna prowadzona przez studentów. Kolejnym ważnym elementem kształcenia są odpowiedzi na powstałe pytania, a także dyskusja studentów nad prezentowanymi treściami.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Zasady udziału w zajęciach:
  • Zajęcia seminaryjne:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Studenci prezentują na forum grupy temat wskazany przez prowadzącego oraz uczestniczą w dyskusji nad tym tematem. Ocenie podlega zarówno wartość merytoryczna prezentacji, jak i tzw. kompetencje miękkie.
Sposób obliczania oceny końcowej:

Ocena wygłoszonego referatu i aktywności na zajęciach.

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 :

Zaliczone przedmioty „Rachunek Prawdopodobieństwa” i „Statystyka Matematyczna”

Zalecana literatura i pomoce naukowe:

1. Giraud Ch, Introduction to High-Dimensional Statistics, CRC Press, 2015
2. Buhlmann P, van de Geer S, Statistics for High-Dimensional Data, Springer-Verlag, 2011
3. Eaton M, Multivariate Statistics: a Vector Space Approach, Wiley, 1983

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

1. An adaptive wavelet shrinkage approach to the Spektor-Lord-Willis problem / Bogdan ĆMIEL // Journal of Multivariate Analysis ; ISSN 0047-259X. — 2010 vol. 101 iss. 6, s. 1458–1470. — Bibliogr. s. 1470, Abstr.. — tekst: http://www.sciencedirect.com/science/article/pii/S0047259X10000242/pdfft?md5=6f49fa8b334ede119a6b309027440258&pid=1-s2.0-S0047259X10000242-main.pdf

2. Poisson intensity estimation for the Spektor-Lord-Willis problem using a wavelet shrinkage approach / Bogdan ĆMIEL // Journal of Multivariate Analysis ; ISSN 0047-259X. — 2012 vol. 112, s. 194–206. — Bibliogr. s. 206, Abstr.. — tekst: http://vls2.icm.edu.pl/cgi-bin/sciserv.pl?collection=elsevier&journal=0047259x&issue=v112inone_c&article=194_pieftspuawsa&form=pdf&file=file.pdf

3. The smoothness test for a density function / Bogdan ĆMIEL, Karol Dziedziul, Barbara Wolnik // Nonlinear Analysis : theory, methods & applications ; ISSN 0362-546X. — 2014 vol. 104, s. 21–39. — Bibliogr. s. 39, Abstr.. — tekst: http://www.sciencedirect.com/science/article/pii/S0362546X14000893/pdfft?md5=3524db4d8fcfab8f2c2b0d0e1df37a0e&pid=1-s2.0-S0362546X14000893-main.pdf

4. Validation of positive expectation dependence / Bogdan ĆMIEL, Teresa Ledwina // ESAIM. Probability and Statistics ; ISSN 1292-8100. — 2017 vol. 21, s. 536–561. — Bibliogr. s. 560–561, Abstr.. — Publikacja dostępna online od: 2018-01-08

Informacje dodatkowe:

Brak