Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Modele i wnioskowanie statystyczne
Koordynator przedmiotu:
Marek RUPNIEWSKI
Status przedmiotu:
Fakultatywny ograniczonego wyboru
Poziom kształcenia:
Studia II stopnia
Program:
Elektronika
Grupa przedmiotów:
Przedmioty techniczne - zaawansowane
Kod przedmiotu:
MWS
Semestr nominalny:
3 / rok ak. 2018/2019
Liczba punktów ECTS:
4
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
15 x 2 = 30h wykłady 15 x 1/3 = 5h przygotowanie do wykładów 5 x 3 = 15h ćwiczenia laboratoryjne 5 x 4 = 20h przygotowanie do ćw. lab. 8h przygotowanie do kolokwium 12h przygotowanie do egzaminu 2h egzamin 92h RAZEM
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
3
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
1
Formy zajęć i ich wymiar w semestrze:
  • Wykład30h
  • Ćwiczenia0h
  • Laboratorium15h
  • Projekt0h
  • Lekcje komputerowe0h
Wymagania wstępne:
Wykład z podstaw rachunku prawdopodobieństwa, np. Rachunek prawdopodobieństwa i statystyka (RPR) lub Metody probabilistyczne i statystyka (MPS) lub Probabilistyka (PROBA)
Limit liczby studentów:
45
Cel przedmiotu:
Celem przedmiotu jest przedstawienie wybranych zagadnień statystyki matematycznej mających zastosowanie we współczesnej technice i przemyśle. Tematyka przedmiotu obejmuje: estymację parametryczną i nieparametryczną, weryfikację hipotez statystycznych, analizę wariancji i regresji.
Treści kształcenia:
Treść wykładu: 1. (2h) Wprowadzenie do zagadnień wnioskowania statystycznego. 2. (2h) Podstawowe rozkłady zmiennych losowych oraz metoda momentów. 3. (4h) Estymatory największej wiarygodności oraz ich własności. Zgodność, nieobciążoność i asymptotyczna normalność estymatorów. Informacja Fishera. Nierówność Cramera-Rao. 4. (2h) Estymatory efektywne. Rodziny wykładnicze rozkładów prawdopodobieństwa. Rozkłady gamma i beta. 5. (2h) Estymacja Bayesowska. 6. (2h) Statystyki dostateczne. Kryterium faktoryzacyjne Neymana-Fishera. 7. (2h) Estymacja parametrów rozkładu normalnego. Rozkłady chi kwadrat, Studenta i Fishera. 8. (2h) Testowanie hipotez prostych. Testy najmocniejsze. Testy randomizowane. 9. (2h) Testowanie hipotez jednostronnych. 10. (4h) Twierdzenie Pearsona. Testowanie zgodności rozkładu. Testowanie niezależności oraz jednorodności zmiennych losowych. 11. (2h) Analiza wariancji 12. (4h) Regresja liniowa i jej własności Zakres tematyczny ćwiczeń laboratoryjnych: 1. Estymatory największej wiarygodności 2. Estymacja Bayesowska 3. Testowanie hipotez prostych i jednostronnych 4. Testy oparte na rozkładzie chi kwadrat (testy zgodności rozkładu, niezależności, jednorodności) 5. Regresja liniowa
Metody oceny:
Do zdobycia jest 100 punktów: 5x6p - ćwiczenia laboratoryjne 20p - kolokwium 50p - egzamin Ocena wystawiana jest na podstawie liczby zdobytych punktów wg skali: 0p–50p 2; 51p–60p 3; 61p–70p 3.5; 71p–80p 4; 81p–90p 4.5; 91p–100p 5.
Egzamin:
tak
Literatura:
1. Bartoszewicz J., Wykłady ze statystyki matematycznej, PWN, Warszawa 1996, 2. Dudley, R., 18.443 Statistics for Applications, Spring 2009. (MIT OpenCourseWare), http://ocw.mit.edu, 3. Górecki T., Podstawy statystyki z przykładami w R, BTC, 2011, 4. Klonecki W., Statystyka dla inżynierów, PWN, Warszawa 1999, 5. Koronacki J., Mielniczuk J., Statystyka dla studentów kierunków technicznych i przyrodniczych, wyd. drugie, WNT, 2004 6. Rice J. A., Mathematical Statistics and Data Analysis, 3rd ed. Belmont, CA: Duxbury Press, 2006, 7. Wasserman L., All of Statistics, Springer, 2005, 8. Zieliński R., Siedem wykładów wprowadzających do statystyki matematycznej, http://www.impan.gov.pl/ rziel/7ALL.pdf
Witryna www przedmiotu:
https://studia.elka.pw.edu.pl/priv/MWS.A/
Uwagi:

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Charakterystyka Wpisz opis
Student zna podstawowe metody analizy statystycznej danych, warunki ich stosowania oraz właściwości tych metod.
Weryfikacja: kolokwium, egzamin
Powiązane charakterystyki kierunkowe: K_W01
Powiązane charakterystyki obszarowe:

Profil ogólnoakademicki - umiejętności

Charakterystyka Wpisz opis
Student potrafi wybierać modele statystyczne odpowiednie dla badanych zagadnień oraz rozumieć podstawowe parametry i właściwości danych modeli.
Weryfikacja: kolokwium, egzamin, ćwiczenia laboratoryjne
Powiązane charakterystyki kierunkowe: K_U08, K_U15
Powiązane charakterystyki obszarowe:
Charakterystyka Wpisz opis
Student potrafi konstruować estymatory (w tym metodą momentów, metodą największej wiarygodności oraz metodami regresji liniowej) oraz oceniać własności tych estymatorów,
Weryfikacja: kolokwium, ćwiczenia laboratoryjne
Powiązane charakterystyki kierunkowe: K_U07
Powiązane charakterystyki obszarowe:
Charakterystyka Wpisz opis
Student potrafi stosować we właściwy sposób podstawowe testy statystyczne ,
Weryfikacja: egzamin, ćwiczenia laboratoryjne
Powiązane charakterystyki kierunkowe: K_U08, K_U10
Powiązane charakterystyki obszarowe:
Charakterystyka Wpisz opis
Student potrafi posługiwać się oprogramowaniem służącym do analizy statystycznej. Potrafi również prezentować i interpretować wyniki analizy statystycznej.
Weryfikacja: egzamin, ćwiczenia laboratoryjne
Powiązane charakterystyki kierunkowe: K_U01, K_U02, K_U08, K_U10
Powiązane charakterystyki obszarowe: