Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Metody probabilistyczne w technice
Tok studiów:
2019/2020
Kod:
ZSDA-3-0155-s
Wydział:
Szkoła Doktorska AGH
Poziom studiów:
Studia III stopnia
Specjalność:
-
Kierunek:
Szkoła Doktorska AGH
Semestr:
0
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma studiów:
Stacjonarne
Strona www:
 
Prowadzący moduł:
dr hab. inż. Cupiał Piotr (pcupial@agh.edu.pl)
Dyscypliny:
inżynieria mechaniczna
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

Moduł obejmuje podstawy teoretyczne rachunku prawdopodobieństwa, statystyki matematycznej i procesów stochastycznych, oraz ich zastosowanie w różnych obszarach inżynierii mechanicznej.

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 Doktorant zdobywa niezbędną wiedzę z rachunku prawdopodobieństwa i statystyki matematycznej, pod kątem zastosowań w szeroko rozumianej dziedzinie inżynierii mechanicznej. Istotnym elementem jest zwrócenie uwagi na specyfikę rozwiązywania zagadnień probabilistycznych. SDA3A_W01 Aktywność na zajęciach
M_W002 Doktorant zdobywa wiedzę nt. tendencji współczesnych zastosowań metod probabilistycznych w inżynierii mechanicznej. SDA3A_W02 Aktywność na zajęciach
Umiejętności: potrafi
M_U001 Doktorant zdobywa umiejętności zastosowania metod probabilistycznych do rozwiązywania wybranych zagadnień technicznych. SDA3A_U01 Projekt inżynierski
Kompetencje społeczne: jest gotów do
M_K001 Doktorant zdobywa kompetencje uznawania znaczenia metod probabilistycznych w rozwiązywaniu problemów poznawczych i praktycznych SDA3A_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
15 15 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 Doktorant zdobywa niezbędną wiedzę z rachunku prawdopodobieństwa i statystyki matematycznej, pod kątem zastosowań w szeroko rozumianej dziedzinie inżynierii mechanicznej. Istotnym elementem jest zwrócenie uwagi na specyfikę rozwiązywania zagadnień probabilistycznych. + - - - - - - - - - -
M_W002 Doktorant zdobywa wiedzę nt. tendencji współczesnych zastosowań metod probabilistycznych w inżynierii mechanicznej. + - - - - - - - - - -
Umiejętności
M_U001 Doktorant zdobywa umiejętności zastosowania metod probabilistycznych do rozwiązywania wybranych zagadnień technicznych. + - - - - - - - - - -
Kompetencje społeczne
M_K001 Doktorant zdobywa kompetencje uznawania znaczenia metod probabilistycznych w rozwiązywaniu problemów poznawczych i praktycznych + - - - - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 25 godz
Punkty ECTS za moduł 2 ECTS
Udział w zajęciach dydaktycznych/praktyka 15 godz
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 5 godz
Samodzielne studiowanie tematyki zajęć 5 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (15h):
  1. 1) Istota i aksjomaty rachunku prawdopodobieństwa
    2) Dyskretne zmienne losowe
    3) Ciągłe zmienne losowe, rozkład normalny Gaussa i rozkład Poissona
    4) Wielowymiarowe zmienne losowe i sposób ich opisu; dwuwymiarowy rozkład normalny
    5) Funkcje zmiennych losowych
    6) Podstawowe pojęcia statystyki matematycznej
    7) Elementy teorii estymacji wraz z przykładami zastosowań
    8) Testowanie hipotez statystycznych
    9) Określenie procesu stochastycznego i jego opis; podstawowe klasy procesów stochastycznych; procesy Markowa
    10) Proces Poissona i jego uogólnienia
    11) Wybrane zastosowania teorii procesów stochastycznych w technice
    12) Podstawy teorii korelacyjnej procesów losowych

Pozostałe informacje
Metody i techniki kształcenia:
  • Wykład: Treści są przekazywane w formie prezentacji multimedialnej wzbogaconym o przykłady odnoszące się do prezentowanych zagadnień.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Doktorant przygotowuje projekt (około 10 stron) przedstawiający wykorzystanie metod probabilistycznych do wybranego przez siebie zagadnienia, uwzględniającego indywidualne zainteresowania i tematykę rozprawy doktorskiej. Projekt jest następnie przedstawiony i dyskutowany na indywidualnym spotkaniu z prowadzącym zajęcia. Doktorant powinien wykazać się dobrym zrozumieniem metod probabilistycznych wykorzystywanych w opracowanym przez siebie zagadnieniu.

Zasady udziału w zajęciach:
  • Wykład:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Wymagana jest obecność na większości wykładów, co pozwoli doktorantowi na przygotowanie własnego projektu końcowego.
Sposób obliczania oceny końcowej:

Ocena jest ustalana na podstawie projektu końcowego, z uwzględnieniem obecności na wykładach.

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

W przypadku zaległości na niektórych wykładach, doktorant może uzupełnić wiadomości wykorzystując źródła literaturowe podane przez prowadzącego. Nieobecność na wykładzie nie stanowi podstawy do nieznajomości odpowiednich podstaw teoretycznych przy dyskutowaniu projektu końcowego.

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

Nie podano wymagań wstępnych lub dodatkowych.

Zalecana literatura i pomoce naukowe:

Podstawy:
A. Plucińska, E. Pluciński "Elementy probabilistyki, kilka wydań
A. Papoulis “Prawdopodobieństwo, zmienne losowe i procesy stochastyczne”, PWN, Warszawa, 1976
W. Feller “Wstęp do rachunku prawdopodobieństwa”, tom 1 i 2, WNT, Warszawa, kilka wydań
M. Fisz “Rachunek prawdopodobieństwa i statystyka matematyczna”, PWN, wyd. 4, 1969
H. Cramer “Metody matematyczne w statystyce”, PWN, Warszawa, 1958
A.A. Swiesznikow “Podstawowe metody funkcji losowych”, PWN, Warszawa, 1965
J.S. Bendat, A.G. Piersol “Metody analizy i pomiaru sygnałów losowych”, PWN, Warszawa, 1973 (trzecie wydanie amerykańskie, Random data: analysis and measurement procedures, Wiley, 2000)

Zastosowania:
W.W. Bołotin “Metody statystyczne w mechanice budowli”, Arkady, 1968
K. Sobczyk “Metody dynamiki statystycznej”, Warszawa, 1973
K. Piszczek “Metody statystyczne w teorii drgań mechanicznych”, Warszawa, 1982
R. Deutsch “Teoria estymacji”, PWN, Warszawa, 1969
T. Soderstrom, P. Stoica “Identyfikacja systemów”, WMT, Warszawa, 1997
J.S. Meditch “Estymacja i sterowanie stochastycznie optymalne w układach liniowych”, WNT, 1975
S.N. Chiu, D. Stoyan “Stochastic geometry and its applications”, Wiley, 2013
J. Ohser, F.Mucklich “Statistical analysis of microstructures in materials science”, Wiley, 2000

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Brak