Data wydruku: 06.01.2017 16:17 Strona 1 z 3 Nazwa przedmiotu
Transkrypt
Data wydruku: 06.01.2017 16:17 Strona 1 z 3 Nazwa przedmiotu
Nazwa przedmiotu Statystyka z wykorzystaniem SAS Kod przedmiotu MAT1033 Jednostka Katedra Analizy Nieliniowej i Statystyki Kierunek Matematyka Obszary kształcenia Nauki ścisłe Profil kształcenia ogólnoakademicki Rok studiów 3 Typ przedmiotu Obowiąkowy Semestr studiów 6 Poziom studiów I stopnia - licencjackie ECTS 4.0 Liczba punktów ECTS Aktywność studenta gk Udział w zajęciach dydaktycznych objętych planem studiów 60 Udział w konsultacjach pw 5 Praca własna studenta 35 Suma Wykładowcy 65 35 Łączna liczba godzin pracy studenta 100 Liczba punktów ECTS 4.0 dr hab. Zbigniew Bartoszewski (Osoba opowiedzialna za przedmiot) Prowadzący: dr Agata Gołaszewska dr hab. Zbigniew Bartoszewski Cel przedmiotu Celem przedmiotu jest zapoznanie studenta z podstawowymi metodami i narzedziami statystyki matematycznej wraz z różnorodnymi przykładami jej zastosowan w różnych dziedzinach życia korzystając przy tym z możliwości jakie daje pakiet SAS dla realizacji niezbędnych obliczeń. Efekty kształcenia Odniesienie do efektów kierunkowych Efekt kształcenia z przedmiotu Sposób weryfikacji efektu [K_W09] zna na poziomie podstawowym co najmniej jeden pakiet oprogramowania, służący do obliczeń symbolicznych Umie skorzystać z pakietu SAS do wykonania obliczeń dotyczących podstawowych zagadnień statystyki matematycznej oraz zinterpretować uzyskane wyniki. [K_U35] umie prowadzić proste wnioskowania statystyczne, także z wykorzystaniem narzędzi komputerowych Potrafi obliczyć estymatory i ich [SU4] Ocena umiejętności błędy średniokwadratowe oraz zna korzystania z metod i narzędzi ich podstawowe własności. Zna podstawowe pojęcia związane z zagadnieniem testowania hipotez statystycznych i umie je wykorzystać do weryfikacji hipotez statystycznych. Zna zasadniczą strukturę modeli regresji i umie je wykorzystać. [K_U34] umie posłużyć się statystycznymi charakterystykami populacji i ich odpowiednikami próbkowymi Zna podstawowe parametry charakteryzujące populację i ich odpowiedniki dla próby: średnią, wariancję, momenty, odchylenie standardowe, kwantyle. Potrafi odróżnić parametry populacji od ich estymatorów uzyskanych na podstawie próby losowej. [K_U25] rozpoznaje problemy, w tym zagadnienia praktyczne, które można rozwiązać algorytmicznie; potrafi dokonać specyfikacji takiego problemu Zna podstawowe parametryczne [SU5] Ocena prezentacji modele statystyczne i umie budować proste modele statystyczne dla zjawisk rzeczywistych. Potrafi w prostych sytuacjach praktycznych stosować standardowe testy zgodności, test chi-kwadrat, testy dwupróbkowe. Sposób realizacji na uczelni Wymagania wstępne i dodatkowe 1. Rachunek prawdopodobieństwa [SW1] Ocena wiedzy faktograficznej [SU1] Ocena realizacji zadania 2. Programowanie w SAS Data wydruku: 08.03.2017 09:34 Strona 1 z 3 Zalecane komponenty przedmiotu Brak Treść przedmiotu 1. Wprowadzenie do statystyki (2 godz.) Przedmiot statystyki, pojęcie jądra i funkcji tworzącej momenty, przegląd ważniejszych rozkładów i ich parametrów. Dystrybuanta empiryczna i jej podstawowe własności. Twierdzenia Gliwienki-Canttellego (bd) i Kołmogorowa (bd). Jądrowa estymacja gęstości. 2. Podstawowe problemy statystyki matematycznej (2 godz.) Populacja generalna i próba, rozkład z próby, przestrzeń prób. Pojęcie statystyki, rozkład statystyki z próby i jego własności. 3. Estymacja parametryczna (2 godz.) Sformułowanie problemu estymacji punktowej i krótki przegląd metod jego rozwiązywania. Podstawowe pojęcia teorii estymacji, ryzyko, błąd średniokwadratowy, wariancja obciążenie. Wybrane własności estymatorów: zgodność, nieobciążoność, efektywność estymatorów. Momenty empiryczne i ich własności. 4. Metody estymacji (2 godz.) Metoda podstawienia dystrybuanty empirycznej, metoda momentów, metoda Markowa, metoda najmniejszych kwadratów, metoda największej wiarygodności-przykłady. 5. Podstawowe rozkłady (2 godz.) Rozkłady chi-kwadrat, t-Studenta i F-Snedecora -centralne i niecentralne. 6. Estymacja przedziałowa. (2 godz.) Konstrukcja przedziału ufności za pomocą funkcji centralnej. Przykłady: przedziały ufności dla wartości oczekiwanej i wariancji w rozkładzie normalnym, asymptotyczne przedziały ufności. 7. Testowanie hipotez (2 godz.) Sformułowanie problemu testowania hipotez. Test zrandomizowany i niezrandomizowany. Błąd I i II rodzaju, rozmiar, poziom istotności i moc testu. Hipotezy proste i złożone. Test jednostajnie najmocniejszy. 8. 9. Test oparty na ilorazie wiarygodności (2 godz.) Przegląd podstawowych testów statystycznych. (4 godz.) Testy t-Studenta dla jednej i dwóch prób. Test Chi kwadrat (niezależności i jednorodności). Testy rangowe Wilcoxona i Manna-Whitneya. Testy zgodności i normalności. 10. Ogólny model liniowy (GLM) (8 godz.) model regresji liniowej, problem porównywania wielu prób- wprowadzenie do ANOVA. Test hipotezy liniowej oparty na ilorazie wiarygodności-konstrukcja i interpretacja geometryczna. Postać kanoniczna. Hipotezy ortogonalne, estymowalność i testowalność. Model efektów stałych, losowych i modele mieszane w 2-czynnikowej ANOVA. Uwagi o ANCOVA. Porównania wielokrotne i analiza kontrastów. Krótki przegląd testów post hoc. 11. Nieparametryczna ANOVA: Test Kruskala-Wallisa i Friedmana. (2 godz.) Data wydruku: 08.03.2017 09:34 Strona 2 z 3 Zalecana lista lektur Literatura podstawowa 1. Koronacki J., Mielniczuk J., Statystyka dla kierunków technicznych i przyrodniczych. WNT 2001. 2. S. M. Kot, J. Jakubowski, A. Sokołowski, STATYSTYKA, Difin 2011. 3. F.M. Dekking, C. Kraaikamp, H.P. Lopuhaä, Statistics, Springer 2005. L.E. Meester, A Modern Introduction to Probability and 4. Moore, David S.;McCabe, George P.;Craig, Bruce A., Introduction to the Practice of Statistics, 2009 by W. H. Freeman and Company. 5. Sandra D. Schlotzhauer, Elementary Statistics Using SAS, 2009, SAS Institute Inc., Cary, NC, USA Literatura uzupełniająca 1. E. Frączak, A. Korczyński, Statystyka od podstaw z systemem SAS, SGH, Warszawa 2013. 2. W. Gamrot, Elementy wnioskowania statystycznego z wykorzystaniem pakietu SAS w przykładach, Uniwersytet Ekonomiczny, Katowice 2012. 3. Lawal, H. Bayo., Categorical data analysis with SAS and SPSS applications, Lawrence Erlbaum Associates, Inc., Publishers, 2003. 4. Różnorodne materiały dostępne na stronie SAS. Formy zajęć i metody nauczania Forma zajęć Liczba godzin zajęć Suma godzin dydaktycznych w semestrze, objętych planem studiów Wykład Ćwiczenia Laboratorium Projekt Seminarium 30.0 0.0 30.0 0.0 0.0 60 W tym kształcenie na odległość: 0.0 Metody i kryteria oceniania Kryteria oceniania: składowe Próg zaliczeniowy Procent oceny końcowej 1. Prezentacja na zadany temat podczas zajęć 50.0 laboratoryjnych: 50%. 2. Przygotowanie projektu: 50% Przykładowe zagadnienia / Przykładowe zadania / Realizowane zadania 1. 2. Język wykładowy 100.0 Standaryzacja i porównywanie danych (w obrębie jednego i dwóch zbiorów). Testy na równość wartości oczekiwanych i wariancji. polski Praktyki zawodowe Nie dotyczy Data wydruku: 08.03.2017 09:34 Strona 3 z 3