WROCŁAWSKA WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ

KARTA OPISU PRZEDMIOTU

Wydział Informatyki
Kierunek Informatyka
Specjalność
Semestr 4 Rok akademicki 2017/2018

Nazwa przedmiotu Metody statystyczne

Kod przedmiotu MS
Liczba godzin 18 Tryb stacjonarny niestacjonarny
Profil kształcenia Ogólnoakademicki (A) Praktyczny (P)
Rodzaj przedmiotu/modułu wykład podstawowy
Język przedmiotu polski
Liczba punktów ECTS 3

Koordynator modułu
Stopień (tytuł) naukowy
Imię dr Ryszarda Getko
Nazwisko

Prowadzący zajęcia
Stopień (tytuł) naukowy dr
Imię Ryszarda
Nazwisko Getko
Forma prowadzonych zajęć wykład
Wymiar zajęć 18

Wymagania wstępne Znajomość podstaw metod probabilistycznych

Założenia i cele przedmiotu Zdobycie umiejętności stosowania praktycznych metod
statystyki matematycznej do zagadnień inżynierskich.
Metody dydaktyczne Wykład, prezentacje multimedialne w trakcie wykładu,

Efekty kształcenia Odniesienie do Odniesienie do

efektów efektów
dla programu dla obszaru
01. Student definiuje i wyznacza estymatory pod-
stawowych charakterystyk liczbowych próby loso-
wej.
02. Zna metody wizualizacji danych i potrafi na
ich podstawie wnioskować o kształcie rozkładu
WIEDZA T1P_W01
teoretycznego. K_W01
T1P_W02
03. Rozumie pojęcie testu statystycznego i prze-
działu ufności
04. Potrafi wyjaśnić metody testowania normalno-
ści próby losowej.
05 Zna podstawowe statystyki i ich rozkłady.
UMIEJĘTNOŚCI 01. Student potrafi analizować i wizualizować pró- K_U01 T1P_U01
 WROCŁAWSKA WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ

Efekty kształcenia Odniesienie do Odniesienie do

efektów efektów
dla programu dla obszaru
T1P_U03
T1P_U02
by losowe w zależności od ich liczebności.
T1P_U05
02. Testuje normalność próby, istotność podstawo-
T1P_U06
wych parametrów z próby oraz korelację między K_U02 T1P_U07
próbami losowymi. K_U03 T1P_U08
03. Konstruuje przedziały ufności dla podstawo- K_U05 T1P_U09
wych parametrów. K_U06 T1P_U10
04. Porównuje stosowane metody. K_U13 T1P_U11
03. Ocenia przydatność stosowanych metod. K_U14 T1P_U12
04. Wyprowadza wnioski z przeprowadzonych
T1P_U13
analiz danych.
T1P_U14
05. Analizuje otrzymywane wyniki
T1P_U15
T1P_U16
T1P_K01
01. Student przestrzega ustaleń potrzebnych do za- T1P_K02
K_K01
liczenia przedmiotu T1P_K03
KOMPETENCJE K_K02
02. Pracuje w zespole. T1P_K04
SPOŁECZNE K_K03
03. Rozumie pozatechniczne aspekty i możliwości T1P_K05
K_K04
zastosowania poznanych metod. T1P_K06
T1P_K07

Treści programowe
Lp. Tematyka zajęć Liczba godzin
Forma zajęć - wykład
1 Przestrzeń probabilistyczna, zmienna losowa i jej typy, definicja rozkładu prawdopo- 2
dobieństwa, przykłady. Różne rozkłady prawdopodobieństwa: symetryczne niesyme-
tryczne, jedno- i wielomodalne, przegląd podstawowych rozkładów teoretycznych.
2 Rozkłady empiryczne dla dużych prób, konstrukcja histogramu, przykład liczbowy, za- 2
danie dla studentów sprawdzające umiejętność wyznaczenia histogramu. Parametry
liczbowe zmiennej losowej – wartość oczekiwana i wariancja.
3 Parametry liczbowe zmiennej losowej – kwantyle, moda, skośność, kurtoza. Zbieżność 3
według prawdopodobieństwa, prawo wielkich liczb Chinczyna. Momenty próbkowe i
ich zbieżność do momentów teoretycznych. Empiryczne kwantyle i ich zbieżność do
kwantyli teoretycznych. Przykłady liczbowe. Zadanie dla studentów sprawdzające
umiejętność wyznaczenia empirycznych charakterystyk zmiennej losowej.
4 Rozkład normalny: standaryzacja, tablice rozkładu N(0,1), przykłady zastosowań. Roz- 3
kład chi^2. Sprawdzanie normalności: histogram i dopasowanie gaussoidy, testowanie
normalności testem chi-kwadrat. Przykład liczbowy i zadanie dla studentów sprawdza-
jące umiejętność testowania normalności dużej próby losowej.
5 Statystyka małych prób: dystrybuanta empiryczna, odległość Kołmogorowa, testowa- 2
nie normalności testem Kołmogorowa-Lillieforsa. Przykład liczbowy i zadanie dla stu-
dentów sprawdzające umiejętność testowania normalności małej próby losowej. Mo-
menty próbkowe dla małych prób, rozkład t-Studenta.
6 Estymacja przedziałowa dla wartości oczekiwanej i odchylenia standardowego. Przy- 2
kłady liczbowe i zadanie dla studentów sprawdzające umiejętność wyznaczania prze-
działów ufności.
7 Testy parametryczne dla jednej i dwóch prób dla wartości oczekiwanej i wariancji. 2
 WROCŁAWSKA WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ

Treści programowe
Przykłady liczbowe i zadanie dla studentów sprawdzające umiejętność testowania
8 Współczynnik korelacji liniowej. Interpretacja i zastosowania. Testowanie istotności 2
współczynnika korelacji. Przykłady liczbowe i zadanie dla studentów sprawdzające
umiejętność wyznaczania i testowania współczynnika korelacji.

Forma i warunki zaliczenia Kolokwium zaliczeniowe oraz poprawnie rozwiązane zadania zadane przez
przedmiotu prowadzącego jako efekt pracy grupowej
Metody weryfikacji efektów Nr efektu kształcenia
kształcenia z sylabusa
egzamin W01 -W05, U01-U05

Literatura podstawowa Sachs, L., Applied statistics, Springer-Verlag, New York,

1982.
Krysicki W.,Bartos J., Krolikowska K., Wasilewski M., Ra-
chunek prawdopodobieństwa i statystyka matematyczna w
zadaniach. TI i II, PWN, Warszawa ,1994
Literatura uzupełniająca Bartoszewicz, J., Wykłady ze statystyki matematycznej,
PWN, Warszawa 1996
Klonecki, W., Statystyka dla inżynierów, PWN, Warszawa,
1999

Nakład pracy studenta

Liczba godzin
Zajęcia dydaktyczne 18
Przygotowanie się do zajęć 32
Studiowanie literatury 10
Udział w konsultacjach 5
Przygotowanie projektu / eseju / prezentacji itp. 15
Przygotowanie się do egzaminu / zaliczenia 10
Inne
ŁĄCZNY nakład pracy studenta w godz. 90
Liczba punktów ECTS 3