Metody komputerowe statystyki Computer Methods in Statistics. Matematyka. Poziom kwalifikacji: II stopnia. Liczba godzin/tydzień: 2W, 3L

Transkrypt

1 Nazwa przedmiotu: Kierunek: Metody komputerowe statystyki Computer Methods in Statistics Matematyka Rodzaj przedmiotu: przedmiot obowiązkowy dla specjalności matematyka przemysłowa Rodzaj zajęć: wykład, laboratorium Poziom kwalifikacji: II stopnia Liczba godzin/tydzień: 2W, 3L Semestr: IV Liczba punktów: 4 ECTS PRZEWODNIK PO PRZEDMIOCIE I KARTA PRZEDMIOTU CEL PRZEDMIOTU C1. Zapoznanie studentów z teorią regresji oraz jej zastosowaniami w opisie pojawiających się w zagadnieniach C2. Wskazanie studentom zasad doboru i analizy modeli regresji. Pokazanie znaczenia tych modeli w procesie analizy danych pochodzących z procesów C3. Wskazanie studentom zastosowań testów w analizie zjawisk zachodzących w przemyśle. WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI 1. Wiedza z zakresu rachunku prawdopodobieństwa podstaw statystyki matematycznej, algebry liniowej, podstaw teorii miary. EFEKTY KSZTAŁCENIA EK1 Student formułuje definicje oraz twierdzenia leżące u podstaw analizy regresji. EK2 Student właściwie dobiera modele analizy regresji do opisu zagadnień Student stosuje najważniejsze metody weryfikacji poprawności otrzymanych modeli. EK3 Student formułuje i odpowiednio dobiera podstawowe testy nieparametryczne. EK4 Student posługuje się pakietem statystycznym w zakresie analizy regresji i weryfikacji hipotez statystycznych. TREŚCI PROGRAMOWE Forma zajęć WYKŁADY Liczba godzin W 1 Teoretyczne podstawy analizy regresji. 2 W 2, 3 Analiza regresji w modelowaniu zagadnień pochodzących z przemysłu. 4 W 4 Istotne aspekty obliczeniowe pojawiające się w analizie regresji: obserwacje 2 odstające i ważące, współliniowość zmiennych objaśniających. W 5, 6 Struktura danych przemysłowych a dobór estymatora: estymator MNK, 4 estymator najmniejszej sumy odchyleń absolutnych, estymator grzbietowy. W 7 Budowa modelu regresji liniowej na podstawie danych pochodzących z przemysłu. 2 W 8, 9 Elementy statystycznej kontroli procesu produkcyjnego: karty kontrolne dla 4 cech ocenianych liczbowo, karty kontrolne dla cech ocenianych alternatywnie. W 10 Wybrane metody nieparametryczne: test rangowanych znaków Wilcoxona 2 W 11 Test Kruskala-Wallisa nieparametryczna alternatywa testu jednorodności wielu 2 średnich.

2 W 12 Test zgodności chi-kwadrat. 2 W 13 Test niezależności chi-kwadrat - analiza tablic wielodzielczych. 2 W 14 Test jednorodności chi-kwadrat. 2 W 15 Test zaliczeniowy. 2 Forma zajęć laboratorium Liczba godzin L 1 Metody obliczeniowe w estymacji parametrów regresji możliwości współczesnych 3 pakietów statystycznych. L 2 Estymacja parametrów regresji przykłady zastosowań dla danych uzyskanych w 3 procesach L 3 Wyodrębnianie obserwacji odstających i ważących. 3 L 4, 5 Dobór estymatorów modelu regresji w zależności od charakterystyk danych 6 L 6, 7, 8 Karty kontrolne, wykresy i analiza. 9 L 9 Wybrane metody nieparametryczne: test rangowanych znaków Wilcoxona. 3 L 10 Test Kruskala-Wallisa - przykład zastosowania. 3 L 11 Praktyczne przykłady zastosowania testu zgodności chi-kwadrat. 3 L 12 -Analiza tablic wielodzielczych - test niezależności chi-kwadrat. 3 L 13 Test jednorodności chi-kwadrat. 3 L 14, 15 Prezentacja prac zaliczeniowych. 6 NARZĘDZIA DYDAKTYCZNE 1. wykład z wykorzystaniem prezentacji multimedialnych 2. materiały wykładowe w wersji elektronicznej 3. zestawy zadań do samodzielnego rozwiązania w formie elektronicznej 4. zajęcia w laboratorium komputerowym SPOSOBY OCENY ( F FORMUJĄCA, P PODSUMOWUJĄCA) F1. ocena przygotowania do zajęć laboratoryjnych i aktywności podczas zajęć F2. ocena umiejętności stosowania zdobytej wiedzy do rozwiązywania praktycznych F3. ocena z kontrolowanej pracy własnej F4. ocena z umiejętności wykorzystania pakietu komputerowego w zakresie budowania modeli i weryfikacji hipotez P1. ocena umiejętności rozwiązywania postawionych oraz sposobu prezentacji uzyskanych wyników prezentacja pracy zaliczeniowej P2. ocena opanowania materiału nauczania będącego przedmiotem wykładu test sprawdzający OBCIĄŻENIE PRACĄ STUDENTA Forma aktywności Godziny kontaktowe z prowadzącymi Zapoznanie się ze wskazaną literaturą Przygotowanie do zajęć laboratoryjnych Przygotowanie samodzielnej pracy zaliczeniowej Przygotowanie do testu zaliczeniowego Obecność na konsultacjach Suma Średnia liczba godzin na zrealizowanie aktywności 30W 45L h

3 SUMARYCZNA LICZBA PUNKTÓW ECTS DLA PRZEDMIOTU Liczba punktów ECTS, którą student uzyskuje na zajęciach wymagających bezpośredniego udziału prowadzącego Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym, w tym zajęć laboratoryjnych i projektowych 4 ECTS 3,2 ECTS 2,6 ECTS LITERATURA PODSTAWOWA I UZUPEŁNIAJĄCA 1. D. Birkes, Y. Dodge, Alternative methods of regression, Wiley & Sons, New York, L. Gajek, M. Kałuszka, Wnioskowanie statystyczne : modele i metody, WNT, W. H. Greene, Econometric Analysis, Prentice Hall, M. Maliński, Wybrane zagadnienia statystyki matematycznej w Excelu i pakiecie Statistica, Wydawnictwo Politechniki Śląskiej, Gliwice, J. O. Rawlings, S. G. Pantula, D. A. Dickey, Applied regression analysis, Springer-Verlag, New York, 2001 PROWADZĄCY PRZEDMIOT ( IMIĘ, NAZWISKO, ADRES ) 1. dr Jolanta Borowska, jolanta.borowska@im.pcz.pl MATRYCA REALIZACJI I WERYFIKACJI EFEKTÓW KSZTAŁCENIA Efekt kształcenia Odniesienie danego efektu do efektów zdefiniowanych dla kierunku Matematyka Cele przedmiotu Treści programowe Narzędzia dydaktyczne Sposób oceny EK1 KMP_U01, K_K06 C1, C2, C3 W1-W F2, P2 EK2 KMP_U01, K_K04, K_K06 C1, C2 L1-L5, L11 1-4

4 EK3 KMP_U01, K_K01, K_K02, K_K04, K_K06 C1, C3 L6-L10, L EK4 K_W08, K_W12, K_U21, KMP_U01, K_K04, K_K06 C1, C2, C3 L1-L II. FORMY OCENY - SZCZEGÓŁY Na ocenę 2 Na ocenę 3 Na ocenę 4 Na ocenę 5 EK 1 EK 2 Student formułuje Student formułuje większość definicji i większość definicji i twierdzeń podanych twierdzeń podanych na wykładzie. Student na wykładzie. Dowodzi przeprowadza dowody większość twierdzeń. najprostszych twierdzeń. Student właściwie dobiera modele analizy regresji do opisu prostych występujących w problemach pojawiających się w przemyśle. Student weryfikuje większość założeń występujących w analizie regresji. Student właściwie dobiera modele analizy regresji dla bardziej zaawansowanych zagadnień. Student weryfikuje wszystkie założenia występujące w analizie regresji. ocenę db oraz dodatkowo wyciąga prawidłowo wnioski z twierdzeń. Dodatkowo formułuje alternatywne modele w przypadku gdy nie wszystkie założenia są spełnione.

5 EK 3 Student poprawnie formułuje większość poznanych testów. Potrafi dobrać odpowiedni test dla większości rozważanych Student poprawnie formułuje wszystkie poznane testy nieparametryczne. Potrafi dobrać odpowiednią metodę testowania dla każdego z rozważanych Dodatkowo student wskazuje zakres stosowalności poznanych testów EK 4 Student posługuje się podstawowymi funkcjami pakietu komputerowego w zakresie budowania i weryfikacji modeli analizy regresji oraz stosowania metod dla zagadnień Student posługuje się bardziej zaawansowanymi funkcjami pakietu komputerowego w zakresie budowania i weryfikacji modeli analizy regresji oraz stosowania metod dla zagadnień Dodatkowo wykorzystuje zbudowane modele analizy regresji w celu prognozowania możliwych wartości zmiennej zależnej. Dopuszcza się wystawienie oceny połówkowej o ile student spełniający wszystkie efekty kształcenia wymagane do oceny pełnej spełnia niektóre efekty kształcenia odpowiadające ocenie wyższej III. INNE PRZYDATNE INFORMACJE O PRZEDMIOCIE 1. Informacja na temat konsultacji przekazywana jest studentom podczas pierwszych zajęć z przedmiotu.