Nazwa przedmiotu:
Metody statystyki obliczeniowej
Koordynator przedmiotu:
Dr hab. Przemysław Grzegorzewski, prof. PW, Prof. Jan Mielniczuk
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia I stopnia
Program:
Inżynieria i Analiza Danych
Grupa przedmiotów:
Wspólne
Kod przedmiotu:
.
Semestr nominalny:
5 / rok ak. 2018/2019
Liczba punktów ECTS:
5
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
1. godziny kontaktowe – 70 h; w tym a) obecność na wykładach – 30 h b) obecność na laboratoriach – 30 h c) obecność na egzaminie – 5 h d) konsultacje – 5 h 2. praca własna studenta – 55 h; w tym a) przygotowanie do laboratoriów i do kolokwiów – 20 h b) rozwiązywanie zadań domowych – 20 h c) przygotowanie do egzaminu – 15 h Razem 127h, co odpowiada 5 pkt. ECTS
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
1. obecność na wykładach – 30 h 2. obecność na laboratoriach – 30 h 3. obecność na egzaminie – 5 h 4. konsultacje – 5h Razem 70 h, co odpowiada 3 pkt. ECTS
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
1. obecność na laboratoriach – 30 h 2. rozwiązywanie zadań domowych – 20 h 3 przygotowanie do laboratoriów i do kolokwiów – 20 h Razem 70 h, co odpowiada 3 pkt. ECTS
Formy zajęć i ich wymiar w semestrze:
  • Wykład30h
  • Ćwiczenia0h
  • Laboratorium30h
  • Projekt0h
  • Lekcje komputerowe0h
Wymagania wstępne:
Rachunek Prawdopodobieństwa, Statystyka Matematyczna
Limit liczby studentów:
.
Cel przedmiotu:
Celem przedmiotu jest zapoznanie studentów z podstawowymi metodami nieparametrycznymi wnioskowania statystycznego oraz z metodami analizy regresji, klasyfikacji i szeregów czasowych
Treści kształcenia:
Podstawowe testy nieparametryczne dla pojedynczej próbki i wielu próbek. Nieparametryczne metody oceny stopnia zależności między cechami. Model regresji liniowej prostej i wielokrotnej: metoda MNK, własności estymatora MNK, podstawowe testy, diagnostyka dopasowania. Metoda Lasso i regresji grzbietowej, regresja metodą składowych głównych. Model parametryczny regresji nieliniowej i nieliniowa metoda najmniejszych kwadratów. Estymacja nieparametryczna funkcji regresji: estymator średniej ruchomej i lokalnie liniowy. Modele regresji binarnej regresja logistyczna i probitowa. Estymatory największej wiarogodności w modelu logistycznym. Klasyfikacja pod nadzorem i liniowe metody klasyfikacyjne: LDA, logistyczna, SVM. Nieliniowe metody klasyfikacyjne: QDA i drzewa klasyfikacyjne. Podstawowe charakterystyki stacjonarnego szeregu czasowego: funkcja autokowariancji, autokorelacji, dystrybuanta i gęstość spektralna. Modele szeregu czasowego: proces autoregresyjny, średniej ruchomej, ARMA. Problem optymalnej prognozy liniowej i jego rozwiązanie. Dekompozycja nie-stacjonarnego procesu czasowego.
Metody oceny:
Podstawą do zaliczenia laboratoriów są wyniki dwóch kolokwiów (max 16 punktów każde) i aktywność na zajęciach (max 8 punktów) = 40 punktów max. Nie przewiduje się kolokwiów poprawkowych. Studenci którzy uzyskają > 30 punkty są zwolnieni z części pisemnej egzaminu. Zaliczenie ćwiczeń: min 20 punktów. Egzamin składa się z dwóch części pisemnej i ustnej. W czasie egzaminu pisemnego można uzyskać max 50 punktów. Część pisemna egzaminu jest jednocześnie poprawkowym zaliczaniem laboratoriów. Studenci, którzy uzyskają min 30 punktów łącznie z ćwiczeń i części pisemnej dopuszczeni są do egzaminu ustnego. Końcowa ocena ustalana jest po egzaminie ustnym po uwzględnieniu wyników z laboratoriów i części pisemnej.
Egzamin:
tak
Literatura:
1. Faraway, Linear models with R, Chapman and Hall 2. J. Koronacki, J. Cwik, Statystyczne systemy uczące się, Exit
Witryna www przedmiotu:
.
Uwagi:
.

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Charakterystyka W01
Zna podstawowe testy nieparametryczne dla pojedynczej próbki i wielu próbek oraz nieparametryczne metody oceny stopnia zależności między cechami.
Weryfikacja: egzamin pisemny/ustny
Powiązane charakterystyki kierunkowe: DS_W03
Powiązane charakterystyki obszarowe: I.P6S_WG
Charakterystyka W02
Zna podstawy analizy regresji liniowej prostej i wielokrotnej, metodę najmniejszych kwadratów oraz sposoby diagnostyki dopasowania. Zna metodę Lasso, regresję grzbietową, metody regresji nieliniowej, regresji logitowej oraz probitowej.
Weryfikacja: egzamin pisemny/ustny
Powiązane charakterystyki kierunkowe: DS_W03, DS_W04
Powiązane charakterystyki obszarowe: I.P6S_WG
Charakterystyka W03
Zna podstawowe metody liniowe i nieliniowe klasyfikacji: LDA, klasyfikację logistyczna, SVM, QDA i drzewa klasyfikacyjne
Weryfikacja: egzamin pisemny/ustny
Powiązane charakterystyki kierunkowe: DS_W04
Powiązane charakterystyki obszarowe: I.P6S_WG
Charakterystyka W04
Zna podstawowe charakterystyki i modele szeregu czasowego. Zna metody dekompozycji szeregu czasowego oraz metody prognozowania.
Weryfikacja: egzamin pisemny/ustny
Powiązane charakterystyki kierunkowe: DS_W02, DS_W03, DS_W04
Powiązane charakterystyki obszarowe: I.P6S_WG

Profil ogólnoakademicki - umiejętności

Charakterystyka U01
Potrafi dobrać test nieparametryczny właściwy do badanego zagadnienia i umie zastosować ów test w praktyce. Potrafi ocenić stopień zależności cech.
Weryfikacja: ocena punktowa aktywności na zajęciach, kolokwium
Powiązane charakterystyki kierunkowe: DS_U05, DS_U06
Powiązane charakterystyki obszarowe: I.P6S_UW
Charakterystyka U02
Umie dobrać właściwy model regresji oraz przeprowadzić jego diagnostykę. Umie przeprowadzić selekcję zmiennych modelu.
Weryfikacja: ocena punktowa aktywności na zajęciach, kolokwium
Powiązane charakterystyki kierunkowe: DS_U05, DS_U06
Powiązane charakterystyki obszarowe: I.P6S_UW
Charakterystyka U03
Umie zastosować właściwą metodę klasyfikacji i ocenić jej skuteczność.
Weryfikacja: ocena punktowa aktywności na zajęciach, kolokwium
Powiązane charakterystyki kierunkowe: DS_U06
Powiązane charakterystyki obszarowe: I.P6S_UW
Charakterystyka U04
Umie dopasować i przeprowadzić diagnostykę dopasowania podstawowych klas szeregów czasowych. Umie dokonać predykcji i ocenić jej błąd.
Weryfikacja: ocena punktowa aktywności na zajęciach, kolokwium
Powiązane charakterystyki kierunkowe: DS_U06, DS_U08
Powiązane charakterystyki obszarowe: I.P6S_UW

Profil ogólnoakademicki - kompetencje społeczne

Charakterystyka K01
Rozumie potrzebę uczenia się przez całe życie i podnoszenia kompetencji zawodowych
Weryfikacja: ocena punktowa aktywności na zajęciach
Powiązane charakterystyki kierunkowe: DS_K01
Powiązane charakterystyki obszarowe: I.P6S_KK