1 KARTA KURSU Elementy statystyki matematycznej Zapoznanie

KARTA KURSU
Elementy statystyki
Nazwa
Nazwa w j. ang.
matematycznej
Mathematical statistics
Punktacja ECTS*
Kod
5
Zespół dydaktyczny:
Koordynator
Dr Ireneusz Krech
Dr Ireneusz Krech
Dr Grażyna Krech
Opis kursu (cele kształcenia)
Zapoznanie studentów z podstawowymi pojęciami statystyki opisowej i statystyki matematycznej.
Kształtowanie umiejętności planowania, przeprowadzania badań statystycznych (w tym zbierania i
gromadzenia danych) oraz opracowania zebranych danych. Kształtowanie umiejętności interpretacji
otrzymanych wyników oraz udzielania odpowiedzi na postawione wcześniej racjonalne pytania
problemowe (w określonej sytuacji rzeczywistej). Kształtowanie intuicji probabilistycznych poprzez
rozwiązywanie zadań powstałych na tle różnych sytuacji życiowych, ukazywanie pojęć, metod i
wnioskowań probabilistycznych jako matematycznych narzędzi opisu i badania rzeczywistości,
ukazywanie przykładów stosowania matematyki z wyraźnym podziałem na: fazę matematyzacji,
fazę rachunków i dedukcji oraz fazę interpretacji.
Warunki wstępne
Wiedza
Umiejętności
Kursy
Wiedza z kursu: Rachunek prawdopodobieństwa.
Umiejętności nabyte na kursie: Rachunek prawdopodobieństwa.
Rachunek prawdopodobieństwa.
Efekty kształcenia
Wiedza
Efekt kształcenia dla kursu
Odniesienie do efektów
kierunkowych
1
Umiejętności
W01 rozumie budowę teorii matematycznych, zna
narzędzia matematyczne przydatne do opisu i analizy
prostych modeli matematycznych w innych dziedzinach
nauk
K_W03
W02 Zna podstawowe pojęcia statystyki opisowej oraz
sposoby planowania, zbierania oraz opracowywania i
prezentacji zebranych danych. Wie, jak prezentować
otrzymane wyniki.
K_W06
W03 zna przykłady ilustrujące konkretne pojęcia
matematyczne, jak i rozumowania pozwalające obalić
błędne hipotezy
K_W05
Efekt kształcenia dla kursu
Odniesienie do efektów
kierunkowych
2
U01 potrafi definiować obiekty matematyczne drogą
konstruowania struktur ilorazowych lub produktów
kartezjańskich
K_U05
U02 posługuje się językiem teorii mnogości, interpretując
zagadnienia z różnych obszarów matematyki
K_U06
U03 umie wykorzystywać programy komputerowe w
zakresie analizy danych
K_U28
U04 umie formułować i rozwiązywać problemy przy użyciu
narzędzi matematyki dyskretnej (np. kombinatoryka,
indukcja matematyczna)
K_U29
U05 posługuje się pojęciem przestrzeni probabilistycznej;
potrafi zbudować i przeanalizować model matematyczny
eksperymentu losowego
K_U30
U06 potrafi podać różne przykłady dyskretnych i ciągłych
rozkładów prawdopodobieństwa i omówić wybrane
eksperymenty losowe oraz modele matematyczne, w
jakich te rozkłady występują; umie zastosować
podstawowe rozkłady w praktyce
K_U31
U07 umie stosować wzór na prawdopodobieństwo
całkowite i wzór Bayesa
K_U32
U08 potrafi wyznaczyć parametry rozkładu zmiennej
losowej o rozkładzie dyskretnym i ciągłym; potrafi
wykorzystać twierdzenia graniczne i prawa wielkich liczb
do szacowania prawdopodobieństw
K_U33
U09 Potrafi przeprowadzić i opracować badania
statystyczne oraz zinterpretować otrzymane wyniki.
K_U34
U10 umie prowadzić proste wnioskowania statystyczne,
także z wykorzystaniem narzędzi komputerowych
K_U35
Odniesienie do efektów
kierunkowych
Efekt kształcenia dla kursu
Kompetencje
społeczne
K01 zna ograniczenia własnej wiedzy i rozumie potrzebę
jej uzupełniania, w szczególności potrzebę
samokształcenia
K_K01
Organizacja
Forma zajęć
Ćwiczenia w grupach
Wykład
(W)
A
K
L
S
P
E
3
Liczba godzin
10
30
20
Opis metod prowadzenia zajęć
W01
X
X
W02
X
X
W03
X
X
U01
X
X
X
U02
X
X
U03
X
X
U04
X
X
X
U05
X
X
U06
X
X
U07
X
X
U08
Inne
Egzamin
pisemny
Egzamin ustny
Praca pisemna
(kolokwium,
kartkówka)
Referat
Udział w
dyskusji
Projekt
grupowy
Projekt
indywidualny
Praca
laboratoryjna
Zajęcia
terenowe
Ćwiczenia w
szkole
Gry
dydaktyczne
E – learning
Formy sprawdzania efektów kształcenia
X
U09
X
X
U10
X
X
K01
X
Kryteria oceny
X
Ocena z przedmiotu jest średnią ważoną i uwzględnia: w 50% ocenę z
laboratorium oraz w 50% ocenę z pisemnego kolokwium.
Uwagi
Treści merytoryczne (wykaz tematów)
Statystyka opisowa. Informacja o elementach wnioskowania statystycznego. Populacja.
Cecha. Próbka jako dane statystyczne. Estymator. Średnia z próbki jako estymator.
Estymator zgodny. Estymacja. Metoda największej wiarygodności. Proste przykłady
weryfikacji hipotez. Obszar krytyczny. Test istotności. Informacja o rozkładach ciągłych.
Podstawowe typy rozkładów ciągłych (w tym rozkład normalny) i ich własności. Arkusz
kalkulacyjny Excel jako narzędzie do obróbki statystycznej.
Wykaz literatury podstawowej
1. J. Buga, H. Kassyk-Rokicka, Podstawy statystyki opisowej, VIZJA PRESS&IT, 2008.
4
2. M. Parlińska, J. Parliński, Badania statystyczne z Excelem, Wydawnictwo SGGW,
Warszawa 2007.
3. Z. Smogur, Excel w zastosowaniach inżynieryjnych, Wydawnictwo Helion, Gliwice 2008.
4. A. Płocki, Stochastyka dla nauczyciela, Wydawnictwo NOVUM, Płock 2007
5. S. Kot, J. Jakubowski, A. Sokołowski, Statystyka, Difin, Warszawa 2011.
Wykaz literatury uzupełniającej
1.
2.
3.
4.
M. Krzyśko, Statystyka matematyczna, Wydawnictwo Naukowe UAM, Poznań 2004.
J. Jakubowski, R. Sztencel, Prawdopodobieństwo dla (prawie) każdego, SCRIPT, 2002.
L.T. Kubik, Rachunek prawdopodobieństwa, PWN, Warszawa 1980.
J. Ombach, Wprowadzenie do metod probabilistycznych wspomagane komputerowo MAPLE, Wydawnictwo Naukowe PWSZ w Nowym Sączu, Nowy Sącz 2006.
5. W. Sadowski, Statystyka matematyczna, PWN, Warszawa 1969.
Bilans godzinowy zgodny z CNPS (Całkowity Nakład Pracy Studenta)
Ilość godzin w kontakcie z
prowadzącymi
Ilość godzin pracy studenta
bez kontaktu z prowadzącymi
Wykład
10
Konwersatorium (ćwiczenia, laboratorium itd.)
50
Pozostałe godziny kontaktu studenta z prowadzącym
15
Lektura w ramach przygotowania do zajęć, rozwiązywanie
zadań domowych
35
Przygotowanie krótkiej pracy pisemnej lub referatu po
zapoznaniu się z niezbędną literaturą przedmiotu
0
Przygotowanie projektu lub prezentacji na podany temat
(praca w grupie)
15
Przygotowanie do egzaminu
Ogółem bilans czasu pracy
Ilość punktów ECTS w zależności od przyjętego przelicznika
125
5
5