logo
Karta przedmiotu
logo

Wnioskowanie w warunkach niepewności

Podstawowe informacje o zajęciach

Cykl kształcenia: 2021/2022

Nazwa jednostki prowadzącej studia: Wydział Matematyki i Fizyki Stosowanej (p.prakt)

Nazwa kierunku studiów: Inżynieria i analiza danych

Obszar kształcenia: nauki ścisłe

Profil studiów: praktyczny

Poziom studiów: pierwszego stopnia

Forma studiów: stacjonarne

Specjalności na kierunku: inżynieria i analiza danych

Tytuł otrzymywany po ukończeniu studiów: inżynier

Nazwa jednostki prowadzącej zajęcia: Zakład Modelowania Matematycznego

Kod zajęć: 12566

Status zajęć: obowiązkowy dla programu inżynieria i analiza danych

Układ zajęć w planie studiów: sem: 6 / W15 P15 / 2 ECTS / Z

Język wykładowy: polski

Imię i nazwisko koordynatora: dr Mariusz Startek

Terminy konsultacji koordynatora: Podane na stronie domowej.

Cel kształcenia i wykaz literatury

Główny cel kształcenia: Zapoznanie studentów z wybranymi metodami wnioskowania statystycznego i przykładami ich zastosowań w analizie danych.

Ogólne informacje o zajęciach: Wykorzystanie metod komputerowych w analizie danych.

Wykaz literatury, wymaganej do zaliczenia zajęć
Literatura wykorzystywana podczas zajęć wykładowych
1 S.D. Silvey Wnioskowanie statystyczne PWN, Warszawa . 1978
2 W. Krysicki [i in.] Rachunek prawdopodobieństwa i statystyka matematyczna w zadaniach. Cz. II. Statystyka matematyczna PWN, Warszawa. 2010
3 P. Biecek. Przewodnik po pakiecie R GiS, Wrocław . 2017
4 J. K. Kruschke Doing Bayesian Data Analysis Elsevier, Amsterdam-London-New York. 2015
Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych
1 S.D. Silvey Wnioskowanie statystyczne PWN, Warszawa. 1978
2 P. Biacek Przewodnik po pakiecie R GiS, Wrocław. 2017

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Ukończony kurs rachunku prawdopodobieństwa. Student spełnia wymagania określone w regulaminie studiów.

Wymagania wstępne w kategorii Wiedzy: Znajomość podstawowych pojęć algebry liniowej, analizy matematycznej, rachunku prawdopodobieństwa i statystyki: macierze, wektory, przestrzeń liniowa, pochodna, całka, zmienna losowa, jej rozkład.

Wymagania wstępne w kategorii Umiejętności: Umiejętność posługiwania się podstawowymi metodami rachunku prawdopodobieństwa i analizy matematycznej. Podstawowa znajomość pakietu R.

Wymagania wstępne w kategorii Kompetencji społecznych: Student jest przygotowany do podjęcia merytorycznie uzasadnionych działań matematycznych w celu rozwiązania postawionego zadania.

Efekty kształcenia dla zajęć

MEK Student, który zaliczył zajęcia Formy zajęć/metody dydaktyczne prowadzące do osiągnięcia danego efektu kształcenia Metody weryfikacji każdego z wymienionych efektów kształcenia Związki z KEK Związki z PRK
01 Zna zasady estymacji za pomocą metod: najmniejszych kwadratów i największej wiarygodności oraz umie przeprowadzić proste wnioskowanie statystyczne używając tych metod. Wykład, projekt Zaliczenie, projekt K_W01+
K_U06+
K_K05+
P6S_KO
P6S_UW
P6S_WG
02 Zna podstawy bayesowskich metod wnioskowania statystycznego i w prostych sytuacjach potrafi nimi prawidłowo się posługiwać. Wykład, projekt Zaliczenie, projekt K_W04+
K_U06+
P6S_UW
P6S_WG
03 Stosuje pakiet R do modelowania i rozwiązywania prostych problemów analizy statystycznej. Projekt Projekt K_W04+
K_U05+
P6S_UW
P6S_WG

Uwaga: W zależności od sytuacji epidemicznej, jeżeli nie będzie możliwości weryfikacji osiągniętych efektów uczenia się określonych w programie studiów w sposób stacjonarny w szczególności zaliczenia i egzaminy kończące określone zajęcia będą mogły się odbywać przy użyciu środków komunikacji elektronicznej (w sposób zdalny).

Treści kształcenia dla zajęć

Sem. TK Treści kształcenia Realizowane na MEK
6 TK01 Ogólne sformułowanie problemu, przypomnienie niezbędnych pojęć statystyki matematycznej: przestrzeń próbek, rozkłady prawdopodobieństwa, zmienne losowe, estymatory i ich własności. W1-3 MEK01 MEK02
6 TK02 Wybrane metody „częstościowe” estymacji punktowej i przedziałowej: metoda momentów, metoda najmniejszych kwadratów, metoda największej wiarygodności, zbiory ufności, przedziały tolerancji. W4-8 MEK01 MEK03
6 TK03 Metody bayesowskie: reguła Bayesa, rozkłady a priori i a posteriori, analiza rozkładu dwumianowego, algorytm Metropolis, Łańcuchy Markowa Monte Carlo, modele hierarchiczne, bayesowskie przedziały ufności. W9-15 MEK02 MEK03
6 TK04 Pakiet R i jego zastosowanie do modelowania i rozwiązywania wybranych problemów analizy statystycznej. P1-11 MEK03
6 TK05 Prezentacja projektów. P12-15 MEK01 MEK02 MEK03

Nakład pracy studenta

Forma zajęć Praca przed zajęciami Udział w zajęciach Praca po zajęciach
Wykład (sem. 6) Godziny kontaktowe: 15.00 godz./sem.
Uzupełnienie/studiowanie notatek: 5.00 godz./sem.
Projekt/Seminarium (sem. 6) Godziny kontaktowe: 15.00 godz./sem..
Wykonanie projektu/dokumentacji/raportu: 10.00 godz./sem.
Konsultacje (sem. 6) Udział w konsultacjach: 1.00 godz./sem.
Zaliczenie (sem. 6) Przygotowanie do zaliczenia: 5.00 godz./sem.
Zaliczenie pisemne: 2.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć Sposób wystawiania oceny podsumowującej
Wykład Na podstawie zaliczenia pisemnego obejmującego zadania obowiązkowe i zadania dodatkowe. Student musi wykonać wszystkie zadania obowiązkowe aby uzyskać ocenę dostateczną. Rozwiązanie zadań dodatkowych pozwala uzyskać wyższą ocenę.
Projekt/Seminarium Na podstawie wykonania projektu polegającego na dokonaniu estymacji określonych parametrów modelu statystycznego (np. modelu awarii sieci energetycznej) przy pomocy jednej z poznanych metod oraz przeprowadzeniu wnioskowania statystycznego opartego na tym modelu (analiza przeprowadzona w środowisku R).
Ocena końcowa Po zaliczeniu wszystkich form zajęć ocena końcowa jest średnią arytmetyczną ocen: projektu i zaliczenia pisemnego.

Przykładowe zadania

Wymagane podczas egzaminu/zaliczenia
(-)

Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)

Inne
(-)

Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie

Treści zajęć powiazane są z prowadzonymi badaniami naukowymi: nie