Inżynierskie zastosowania statystyki
Transkrypt
Inżynierskie zastosowania statystyki
Inżynierskie zastosowania statystyki Czyli co i jak… 2016 [email protected] andrzej.rusiecki.staff.iiar.pwr.wroc.pl s. 230/C-3 O co chodzi? Celem przedmiotu jest nabycie wiedzy na temat metod estymacji dla prostych modeli statystycznych, oraz umiejętności stosowania podstawowych testów statystycznych Na ćwiczeniach robimy to praktycznie Szczegółowe cele przedmiotu: Nabycie wiedzy na temat zadań testowania hipotez statystycznych i podstawowych testów o parametrach rozkładów oraz wybranych testów nieparametrycznych Nabycie podstawowej wiedzy na temat wymagań nakładanych na estymatory parametrów rozkładów i klasycznych metod ich konstruowania oraz stosowania Nabycie wiedzy w zakresie zastosowań estymacji i testowania hipotez w systemach przetwarzania informacji i telekomunikacji Zdobycie umiejętności doboru i stosowania podstawowych testów statystycznych Nabycie umiejętności stosowania i doboru metody estymacji dla prostych modeli statystycznych Po co to wszystko? Szersze spojrzenie na świat Dobre (?) przygotowanie do kolejnych zajęć, które mogą się pojawiać w trakcie studiów Możliwość praktycznego wykorzystania wiedzy Możliwość pochwalenia się dzieciom Możliwość zaliczenia tego kursu… Możliwość skończenia studiów… Jak? Praktycznie i teoretycznie, a więc na różnych formach zajęć: Wykład (forma wiodąca) Ćwiczenia (to nas interesuje) Efekty kształcenia Z zakresu wiedzy, osoba która zaliczyła kurs: PEK_W01 posiada wiedzę na temat zadań testowania hipotez statystycznych i podstawowych testów o parametrach rozkładów oraz wybranych testów nieparametrycznych PEK_W02 na temat wymagań nakładanych na estymatory parametrów rozkładów i klasycznych metod ich konstruowania oraz stosowania. PEK_W03 posiada wiedzę w zakresie zastosowań estymacji i testowania hipotez w systemach przetwarzania informacji i telekomunikacji Efekty kształcenia Z zakresu umiejętności, osoba która zaliczyła kurs: PEK_U01 potrafi dobrać i zastosować podstawowe testy statystyczne PEK_U02 potrafi stosować i dobierać metody estymacji dla prostych modeli statystycznych Konkrety - zaliczenie Warunek konieczny: zaliczenie wszystkich form zajęć W szczególności: Zaliczenie ćwiczeń Ocena z testu końcowego na wykładzie Zasady – ćwiczenia Obecność obowiązkowa Możliwe dwie nieobecności (każda kolejna oznacza -1 ocenę na koniec) 2 kolokwia (środek i koniec semestru) Nieobecność na kolokwium = ndst Aktywność na zajęciach (zadania + prezentacja) może zwalniać z kolokwium! Zasady – ćwiczenia Listy zadań dostępne z wyprzedzeniem (można się przygotować) Za zadanie poprawnie rozwiązane przy tablicy – punkt za aktywność Duża liczba punktów (jaka? co najmniej…) zwalnia z pisania kolokwium W przypadku braku chętnych do zadania, wskazywane są osoby do jego rozwiązania (można zdobyć punkty ujemne!) Zasady – ćwiczenia Warunek konieczny zaliczenia: rozwiązanie co najmniej jednego zadania przy tablicy Dodatkowo możliwość zarobienia do 2 punktów za przygotowanie wprowadzenia do tematu (liczą się jak punkty za zadania) Podsumowując: warto zbierać punkty! Harmonogram: Około połowy listopada: pierwsze kolokwium Połowa stycznia: drugie kolokwium Ewentualne poprawki: przedostatni lub ostatni tydzień semestru (styczeń) Literatura (oficjalna) Koronacki J., Mielniczuk J., Statystyka dla kierunków technicznych i przyrodniczych. WNT Warszawa, 2001. Gajek, Kałuszka, “Wnioskowanie statystyczne”, WNT, Warszawa, 2000 Wybrane rozdziały z podręczników prof. Magiery i prof. Krzyśko (będą wskazane na wykładzie) LITERATURA UZUPEŁNIAJĄCA: Kordecki W., Rachunek prawdopodobieństwa Oficyna Wydawnicza PWr, Wrocław 2003. Krysicki W. i inni, Rachunek prawdopodobieństwa i statystyka matematyczna w zadaniach, Część I i II, PWN, Warszawa, 1996 Początkowe tematy „wprowadzeń” Powtórka z rachunku prawdopodobieństwa 1: zdarzenia elementarne, zdarzenia, prawdopodobieństwo, przestrzeń probabilistyczna, prawdopodobieństwo warunkowe, niezależność zdarzeń Powtórka 2: pojęcia dystrybuanty i gęstości rozkładu prawdopodobieństwa oraz ich podstawowe własności. Przykłady histogramów rzeczywistych danych (np. długości rozmów telefonicznych, danych biometrycznych, rozmiarów defektów itp.) Powtórka 3: parametry położenia i skali (wartość oczekiwana, wariancja) i najprostsze wersje ich estymacji, inne parametry (mediana, moda itd.).