Rachunek Prawdopodobieństwa i Statystyka Matematyczna Field of study: Computer Science
Programme code: 08-N1INI12.2017

Module name: Rachunek Prawdopodobieństwa i Statystyka Matematyczna
Module code: 08-IO1N-13-RPISM
Programme code: 08-N1INI12.2017
Semester:
  • winter semester 2019/2020
  • winter semester 2018/2019
Language of instruction: Polish
Form of verification: course work
ECTS credits: 4
Description:
Celem zajęć w tym module jest przygotowanie studentów do rozumnego stosowania metod statystycznych dostępnych w wielu aplikacjach. Wymaga to znajomości podstaw rachunku prawdopodobieństwa, a nie samej wprawy w wykorzystaniu konkretnych metod zaimplementowanych w programach. Student powinien być wyczulony na założenia o niezależności zmiennych czy o rozkładach zmiennych i umieć te założenia zweryfikować, np. poprzez generowanie danych, ich opracowanie i graficzną prezentację. W konsekwencji ma to doprowadzić do wyrobienia „kultury statystycznej” i stanowić podwaliny do dalszych studiów np. nad modelowaniem stochastycznym czy prób własnych rozwiązań.
Prerequisites:
(no information given)
Key reading:
Zalecana literatura i pomoce naukowe: 1. A. D. Aczel: Statystyka w zarządzaniu. PWN, Warszawa 2000. 2. D. Bourg: Excel w nauce I technice. Receptury, Helion, Gliwice 2006 3. M. Fisz: Rachunek prawdopodobieństwa i statystyka matematyczna, PWN, Warszawa 1969 4. L. Gajek, M. Kałuszka: Wnioskowanie statystyczne. Modele i metody, WNT, Warszawa 1993 5. R. Wieczorkowski, R. Zieliński: Komputerowe generatory liczb losowych, WNT, Warszawa 1997 6. A. Stanisz: Przystępny kurs statystyki, T1. Statystyki podstawowe, StatSoft Polska, Kraków 2006 7. A. Stanisz: Przystępny kurs statystyki, T2. Modele liniowe i nieliniowe, StatSoft Polska, Kraków 2006 8. Wykłady w wersji elektronicznej, pliki z ćwiczeń
Learning outcome of the module Codes of the learning outcomes of the programme to which the learning outcome of the module is related [level of competence: scale 1-5]
Potrafi krytycznie spojrzeć na wiele opracowań statystycznych i często je weryfikować [RPISM_K_1]
 K_1_A_I_K02 [1/5]
Potrafi scharakteryzować zbiór danych wg kanonów statystyki opisowej [RPISM_U_1]
 K_1_A_I_U01 [2/5] K_1_A_I_U18 [1/5]
Potrafi wyznaczyć p-stwo (w prostych zagadnieniach) na podstawie miary, metod kombinatorycznych czy częstościowej definicji p-stwa [RPISM_U_2]
 K_1_A_I_U08 [1/5] K_1_A_I_U18 [2/5]
Potrafi wyznaczać funkcję gęstości (lub dystrybuantę) dla dużej liczby danych (~2^20) i porównać z typowymi rozkładami, np. rozkładem normalnym. [RPISM_U_3]
 K_1_A_I_U21 [2/5] K_1_A_I_U18 [2/5]
Dla zadanej funkcji gęstości potrafi utworzyć generator, porównać momenty wyliczone analitycznie i wyznaczone z symulowanych danych, oraz zbudować i przetestować generator liczb o rozkładzie normalnym [RPISM_U_4]
 K_1_A_I_U08 [2/5] K_1_A_I_U18 [1/5]
Potrafi zobrazować i objaśnić wyniki obliczeń przedziałów ufności i testów istotności (rozkład normalny, t) [RPISM_U_5]
 K_1_A_I_U08 [1/5]
Ma podstawową wiedzę z pierwotnych pojęć rachunku prawdopodobieństwa (p-stwo, p-stwo warunkowe, zdarzenie elementarne, zdarzenia niezależne, przestrzeń zdarzeń, przestrzeń probabilistyczna) [RPISM_W_1]
 K_1_A_I_W01 [1/5] K_1_A_I_W02 [1/5]
Rozróżnia 4 skale pomiarowe i zmienne losowe oparte na tych skalach. Zna interpretację momentów [RPISM_W_2]
 K_1_A_I_W01 [2/5] K_1_A_I_W02 [1/5]
Ma wiedzę o podstawowych rozkładach zmiennych (równomierny, trójkątny, normalny, t, chi-kwadrat) i wie jak generować liczby o takich rozkładach [RPISM_W_3]
 K_1_A_I_W03 [1/5] K_1_A_I_W04 [3/5]
(no information given) [RPISM_W_4]
 K_1_A_I_W01 [1/5] K_1_A_I_W03 [1/5]
Ma wiedzę z zakresu tworzenia przedziałów ufności i testów istotności [RPISM_W_5]
 K_1_A_I_W03 [1/5] K_1_A_I_W19 [3/5]
Type Description Codes of the learning outcomes of the module to which assessment is related
Test pisemny ze znajomości wykładów [RPISM_w_1]
Test zaliczeniowy wykładu w formie pisemnej przeprowadza się na ostatnim wykładzie;
 RPISM_W_1 RPISM_W_2 RPISM_W_3 RPISM_W_4 RPISM_W_5
Sprawdzian 1 [RPISM_w_2]
Rozwiązanie przez studentów indywidualnych zadań na zajęciach w połowie semestru (statystyka opisowa, wyznaczanie prawdopodobieństw)
 RPISM_U_1 RPISM_U_2 RPISM_W_1 RPISM_W_2
Sprawdzian 2 [RPISM_w_3]
Rozwiązanie przez studentów indywidualnych zadań na zajęciach pod koniec semestru (generowanie liczb o zadanych rozkładach)
 RPISM_K_1 RPISM_U_3 RPISM_U_4 RPISM_U_5 RPISM_W_3 RPISM_W_4 RPISM_W_5
Form of teaching Student's own work Assessment of the learning outcomes
Type Description (including teaching methods) Number of hours Description Number of hours
lecture [RPISM_fs_1]
Podanie treści kształcenia w formie ustnej z wykorzystaniem wizualizacji treści. Zwrócenie uwagi na materiał trudny pojęciowo i wskazanie literatury
 20
Zapoznanie się z tematyką wykładu z wykorzystaniem: wykładów w wersji elektronicznej, stron internetowych
 40 Test pisemny ze znajomości wykładów [RPISM_w_1]
practical classes [RPISM_fs_2]
Rozwiązywanie przykładowych zadań na tablicy lub komputerze z projektorem, pod kontrolą prowadzącego zajęcia. Fragmenty zadania rozwiązuje wybrany student, reszta śledzi tok rozwiązań, lub samodzielnie powiela rozwiązanie na własnym laptopie czy w zeszycie.
 20
Przygotowanie do ćwiczeń, własne eksperymenty statystyczne.
 40 Sprawdzian 1 [RPISM_w_2] Sprawdzian 2 [RPISM_w_3]
Attachments
Module description (PDF)
Information concerning module syllabuses might be changed during studies.
Syllabuses (USOSweb)
Semester Module Language of instruction
(no information given)