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.).