Uniwersytet Warszawski - Centralny System Uwierzytelniania
Strona główna

Statystyka dla MSEM

Informacje ogólne

Kod przedmiotu: 1000-115ST
Kod Erasmus / ISCED: 11.1 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0541) Matematyka Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Statystyka dla MSEM
Jednostka: Wydział Matematyki, Informatyki i Mechaniki
Grupy: Przedmioty obowiązkowe dla III roku matematyki specjalności MSEM
Punkty ECTS i inne: 6.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: polski
Rodzaj przedmiotu:

obowiązkowe

Skrócony opis:

Wykład przedstawia podstawowe pojecia i metody statystyki. Omowione są: charakterystyki populacji i ich próbkowe odpowiedniki, budowa modeli statystycznych w ujęciu częstościowym i Bayesowskim, zagadnienia estymacji parametrycznej i nieparametrycznej, testowanie hipotez statystycznych, regresja, klasyfikacja/dyskryminacja.

Przedmiot tylko dla studentów MSEM

Pełny opis:

Wykład przedstawia w wielkim skrócie podstawowe pojecia i metody statystyki, rozumianej jako nauka o wnioskowaniu na podstawie danych. Nacisk polożony jest na zastosowania i metodologię wnioskowania statystycznego, a nie na zagadnienia o charakterze technicznym.

Niektóre wyniki są podawane bez dowodu lub potraktowane szkicowo. Wykład jest ilustrowany przez prezentacje przykładowych analiz statystycznych.

Omowione są: empiryczne rozkłady prawdopodobieństwa, charakterystyki populacji i ich próbkowe odpowiedniki, budowa modeli statystycznych w ujęciu częstościowym i Bayesowskim, zagadnienia estymacji parametrycznej i nieparametrycznej, testowanie hipotez statystycznych, regresja, klasyfikacja/dyskryminacja.

Literatura:

M. Lavine, "Introduction to Statistical Thought", www.stat.duke.edu/~michael/book.pdf

S. D. Silvey, "Wnioskowanie statystyczne", PWN, 1978.

W. Klonecki, "Statystyka dla inżynierów", PWN, 1999.

Efekty uczenia się:

Wiedza i umiejętności:

1. Zna podstawowe parametry charakteryzujące populację i ich odpowiedniki próbkowe: średnią, wariancję, momenty, odchylenie standardowe, kwantyle. Umie rozróżnić wielkości populacyjne od ich oszacowań na podstawie próbki losowej.

2. Umie budować proste modele statystyczne opisujące zjawiska rzeczywiste. Zna podstawowe parametryczne modele statystyczne, oparte na wykładniczych rodzinach rozkładów prawdopodobieństwa.

3. Umie obliczać estymatory metodą momentów i metodą największej wiarogodności.

Wie, co to jest błąd średniokwadratowy estymatora i umie go obliczać. Umie wybierać estymatory o lepszych własnościach.

Zna Twierdzenie Cramera-Rao. Wie, co to znaczy że estymator jest zgodny. Umie obliczać asymptotyczny rozkład estymatora, jeśli jest to rozkład normalny.

4. Zna pojęcie przedziału ufności i umie obliczać przedziały ufności w standardowych przykładach: w modelu normalnym, dla schematu Bernoulliego, nieparametryczne przedziały ufności oparte na statystykach pozycyjnych.

5. Zna pojęcia związane z zagadnieniem testowania hipotez statystycznych: wie, co to jest hipoteza zerowa, hipoteza alternatywna, test, błąd I rodzaju i II rodzaju, poziom istotności, p-wartość. Umie formułować zagadnienia badawcze w terminach weryfikacji hipotez statystycznych.

6. Zna Lemat Neymana-Pearsona. Umie konstruować testy najmocniejsze dla prostych hipotez i testy jednostajnie najmocniejsze dla rodzin z monotonicznym ilorazem wiarogodności.

7. Zna i umie stosować w prostych sytuacjach praktycznych standardowe testy zgodności, test chi-kwadrat, testy dwupróbkowe.

8. Zna podstawowe pojęcia statystyki bayesowskiej: rozkład a priori, a posteriori, twierdzenie Bayesa. Umie rozróżnić bayesowską interpretację wnioskowania statystycznego od interpretacji częstościowej.

9. Zna zasadniczą strukturę modeli regresji i klasyfikacji statystycznej. Umie wykorzystać próbkę testującą do weryfikacji wniosków otrzymanych na podstawie próbki uczącej.

Kompetencje społeczne:

1. Rozumie znaczenie statystyki matematycznej jako narzędzia

służącego do wnioskowania indukcyjnego.

2. Umie wyjaśnić w zrozumiałym języku sens wnioskowania statystycznego i rolę modeli probabilistycznych w statystyce.

Metody i kryteria oceniania:

Student aktywnie uczestniczy w zajęciach,. Punkty są przyznawane za całokształt - aktywność przy tablicy, pisemne prace domowe, dwa kolokwia oraz egzamin.

Zajęcia w cyklu "Semestr zimowy 2022/23" (w trakcie)

Okres: 2022-10-01 - 2023-01-29
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć:
Ćwiczenia, 30 godzin więcej informacji
Wykład, 30 godzin więcej informacji
Koordynatorzy: Jacek Sadowski
Prowadzący grup: Jacek Sadowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.
ul. Banacha 2
02-097 Warszawa
tel: +48 22 55 44 214 https://www.mimuw.edu.pl/
kontakt deklaracja dostępności USOSweb 6.8.0.0-e459be735 (2022-11-16)