Module also offered within study programmes:
General information:
Name:
Statistics and probability
Course of study:
2017/2018
Code:
EME-1-303-s
Faculty of:
Faculty of Electrical Engineering, Automatics, Computer Science and Biomedical Engineering
Study level:
First-cycle studies
Specialty:
-
Field of study:
Microelectronics in industry and medicine
Semester:
3
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
Izworski Andrzej (izwa@agh.edu.pl)
Academic teachers:
Barczewska Katarzyna (kbarczew@agh.edu.pl)
dr inż. Długosz Mirosława (mmd@agh.edu.pl)
Izworski Andrzej (izwa@agh.edu.pl)
Module summary

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 Zna rolę probabilistyki we współczesnym świecie. ME1A_K02 Activity during classes,
Test
Skills
M_U001 Posiada umiejętności stosowania metod probabilistycznych do analizy danych. ME1A_U25, ME1A_U01 Activity during classes,
Test
M_U002 Potrafi opisać, sformułować i rozwiązać praktyczne problemy z zakresu wnioskowania i analizy statystycznej. ME1A_U25, ME1A_U01 Activity during classes,
Test
M_U003 Potrafi wykorzystywać i tworzyć oprogramowanie do rozwiązywania problemów probabilistycznych. ME1A_U25, ME1A_U01 Activity during classes,
Test
Knowledge
M_W001 Zna i rozumie pojęcia związane z rachunkiem prawdopodobieństwa. ME1A_W01 Activity during classes,
Oral answer
M_W002 Dysponuje wiedzą z zakresu modeli probabilistycznych i zakresu ich stosowalności. ME1A_W01 Activity during classes,
Test
M_W003 Dysponuje wiedzą z zakresu wnioskowania statystycznego ME1A_W01 Activity during classes,
Test
M_W004 Dysponuje wiedzą z zakresu wielowymiarowych metod statystycznych. ME1A_W01 Activity during classes,
Test
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 Zna rolę probabilistyki we współczesnym świecie. - + - - - - - - - - -
Skills
M_U001 Posiada umiejętności stosowania metod probabilistycznych do analizy danych. - + - - - - - - - - -
M_U002 Potrafi opisać, sformułować i rozwiązać praktyczne problemy z zakresu wnioskowania i analizy statystycznej. - + - - - - - - - - -
M_U003 Potrafi wykorzystywać i tworzyć oprogramowanie do rozwiązywania problemów probabilistycznych. - + - - - - - - - - -
Knowledge
M_W001 Zna i rozumie pojęcia związane z rachunkiem prawdopodobieństwa. + + - - - - - - - - -
M_W002 Dysponuje wiedzą z zakresu modeli probabilistycznych i zakresu ich stosowalności. + + - - - - - - - - -
M_W003 Dysponuje wiedzą z zakresu wnioskowania statystycznego + + - - - - - - - - -
M_W004 Dysponuje wiedzą z zakresu wielowymiarowych metod statystycznych. + + - - - - - - - - -
Module content
Lectures:

  1. Wprowadzenie do tematyki przedmiotu, rachunek prawdopodobieństwa a statystyka.
  2. Wstępna analiza danych. Statystyka opisowa. Ocena wyników pomiarów, transformacje zmiennych.
  3. Podstawy rachunku prawdopodobieństwa. Prawdopodobieństwo warunkowe i reguła Bayesa.
  4. Zdarzenia losowe i prawdopodobieństwa zdarzeń. Zmienne losowe jednowymiarowe: rozkłady i parametry. Rozkład normalny, jego własności i zastosowania. Dwuwymiarowe i wielowymiarowe zmienne losowe. Rozkłady brzegowe. Modele probabilistyczne.
  5. Podstawy statystyki i wnioskowania statystycznego. Metody doboru próby losowej.
  6. Wnioskowanie statystyczne. Estymacja punktowa i przedziałowa. Testowanie hipotez statystycznych.
  7. Testy nieparametryczne, metody rangowe.
  8. Analiza zależności zmiennych ilościowych.
  9. Analiza wariancji.
  10. Wielowymiarowe metody statystyki matematycznej. Analiza dyskryminacyjna. Redukcja wymiarowości opisu. Grupowanie danych.
  11. Metody współczesnej statystyki. Metody Monte Carlo. Generatory liczb losowych. Metody Bootstrap.
  12. Analiza błędów pomiarowych.

Auditorium classes:

• Statystyka opisowa, wstępne przetwarzanie danych, rachunek prawdopodobieństwa;
• Interpretacja parametrów statystyki opisowej;
• Zmienne losowe, rozkłady zmiennych losowych, modele probabilistyczne;
• Estymacja i wnioskowanie statystyczne.
• Korelacja i regresja; testy istotności współczynnika korelacji;
• Formy prezentacji danych;
• Wprowadzenie do pakietu STATISTICA (StatSoft Inc.), rozwiazywanie problemów analizy danych pomiarowych z wykorzystaniem tego pakietu;

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 102 h
Module ECTS credits 3 ECTS
Participation in lectures 28 h
Participation in auditorium classes 14 h
Realization of independently performed tasks 30 h
Preparation for classes 15 h
Preparation of a report, presentation, written work, etc. 15 h
Additional information
Method of calculating the final grade:

Do obliczenia oceny końcowej będą brane pod uwagę następujące elementy:

  • średnia ocen uzyskanych z dwóch sprawozdań z analizy danych zbieranych w ramach przygotowania do ćwiczeń (sprawozdania prezentowane będą w formie plakatów);
  • średnia ocen z odpowiedzi ustnych
  • aktywność na zajęciach (może zmienić ocenę końcową maksymalnie o 0,5 stopnia);
    Ocena końcowa będzie wyliczana jako średnia arytmetyczna z wyżej wymienionych składowych.
Prerequisites and additional requirements:

Podstawy kombinatoryki, rachunku prawdopodobieństwa i analizy matematycznej.

Recommended literature and teaching resources:
  1. Plucińska A., Pluciński E.: Probabilistyka, WNT, Warszawa, 2000
  2. Koronacki J., Mielniczuk J.: Statystyka dla studentów kierunków technicznych i przyrodniczych, WNT, Warszawa, 2001
  3. Koronacki J., Ćwik J.: Statystyczne systemy uczące się, WNT, Warszawa
Scientific publications of module course instructors related to the topic of the module:

Additional scientific publications not specified

Additional information:

None