Karta Przedmiotu
| Politechnika Białostocka | Wydział Informatyki | ||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Kierunek studiów | Data Science |
Poziom i forma studiów |
pierwszego stopnia stacjonarne |
||||||||||||||||||||||||
| Grupa przedmiotów / specjalność |
Profil kształcenia | ogólnoakademicki | |||||||||||||||||||||||||
| Nazwa przedmiotu | Statystyka matematyczna | E | Kod przedmiotu | DS1S3SMA | |||||||||||||||||||||||
| Rodzaj zajęć | obowiązkowy | ||||||||||||||||||||||||||
| Formy zajęć i liczba godzin | W | Ć | L | P | Ps | T | S | Semestr | 3 | ||||||||||||||||||
| 30 | 30 | Punkty ECTS | 5 | ||||||||||||||||||||||||
| Program obowiązuje od | 2025/2026 | ||||||||||||||||||||||||||
| Przedmioty wprowadzające | Algebra liniowa 2 (DS1S2AL2), Analiza matematyczna 2 (DS1S2AM2), Rachunek prawdopodobieństwa (DS1S2RPR), | ||||||||||||||||||||||||||
| Cele przedmiotu | Celem przedmiotu jest przekazanie wiedzy i umiejętności w zakresie metod statystycznych wykorzystywanych w analizie danych. Studenci poznają podstawy statystyki opisowej, w tym miary tendencji centralnej i rozproszenia, a także metody estymacji parametrów, testowania hipotez i analizy wariancji. Kurs obejmuje zarówno aspekty teoretyczne, jak i praktyczne zastosowania rozwijając umiejętność analizy danych, interpretacji wyników oraz ich wykorzystania w podejmowaniu decyzji w nauce o danych. | ||||||||||||||||||||||||||
| Ramowe treści programowe | Kluczowe zagadnienia związane z analizą danych i wnioskowaniem statystycznym. Statystyka opisowa, w tym miary tendencji centralnej, zmienności i kształtu rozkładu, a także metody estymacji punktowej i przedziałowej. Techniki testowania hipotez, analiza wariancji (ANOVA) oraz metody regresji liniowej i wielorakiej. | ||||||||||||||||||||||||||
| Inne informacje o przedmiocie | przedmiot ma związek z prowadzoną na Uczelni działalnością naukową | ||||||||||||||||||||||||||
| Wyliczenie: | Nakład pracy studenta związany z: | Godzin ogółem |
W tym kontaktowych |
W tym praktycznych |
|||||||||||||||||||||||
| udziałem w wykładach | 30 | 30 | |||||||||||||||||||||||||
| udziałem w innych formach zajęć | 30 | 30 | 30 | ||||||||||||||||||||||||
| indywidualnym wsparciem merytorycznym procesu uczenia się, udziałem w zaliczeniach organizowanych poza planem zajęć | 4 | 4 | |||||||||||||||||||||||||
| przygotowaniem do egzaminu | 15 | ||||||||||||||||||||||||||
| przygotowaniem do zaliczenia pracowni specjalistycznej | 46 | 46 | |||||||||||||||||||||||||
| Razem godzin: | 125 | 64 | 76 | ||||||||||||||||||||||||
| Razem punktów ECTS: | 5 | 2.6 | 3.0 | ||||||||||||||||||||||||
| Zakładane kierunkowe efekty uczenia się | Wiedza | Umiejętności | Kompetencje społeczne |
||||||||||||||||||||||||
| DS1_W01 | DS1_U01 | DS1_K01 | |||||||||||||||||||||||||
| DS1_W02 | DS1_U03 | ||||||||||||||||||||||||||
| DS1_U19 | |||||||||||||||||||||||||||
| Cele i treści ramowe sformułował(a) | dr hab. Dorota Mozyrska | Data: | 29/05/2025 | ||||||||||||||||||||||||
| Realizacja w roku akademickim | 2026/2027 | ||||||||||||||||||||||||||
| Treści programowe | |||||||||||||||||||||||||||
| Wykład | |||||||||||||||||||||||||||
| 1. | Wprowadzenie do statystyki matematycznej – podstawowe pojęcia, klasyfikacja danych | ||||||||||||||||||||||||||
| 2. | Statystyka opisowa – miary tendencji centralnej i miary zmienności | ||||||||||||||||||||||||||
| 3. | Kształt rozkładu danych – skośność, kurtoza, analiza histogramów | ||||||||||||||||||||||||||
| 4. | Estymacja punktowa | ||||||||||||||||||||||||||
| 5. | Estymacja przedziałowa | ||||||||||||||||||||||||||
| 6. | Testowanie hipotez statystycznych – podstawowe pojęcia | ||||||||||||||||||||||||||
| 7. | Testy parametryczne dla jednego parametru | ||||||||||||||||||||||||||
| 8. | Testy parametryczne dla dwóch parametrów | ||||||||||||||||||||||||||
| 9. | Wybrane testy nieparametryczne | ||||||||||||||||||||||||||
| 10. | Testy zgodności | ||||||||||||||||||||||||||
| 11. | Analiza zależności/niezależności między zmiennymi | ||||||||||||||||||||||||||
| 12. | Regresja liniowa | ||||||||||||||||||||||||||
| 13. | Regresja wieloraka | ||||||||||||||||||||||||||
| 14. | Podstawy analizy wariancji (ANOVA) | ||||||||||||||||||||||||||
| 15. | Modele regresji nieliniowej | ||||||||||||||||||||||||||
| Pracownia specjalistyczna | |||||||||||||||||||||||||||
| 1. | Symulacja i wizualizacja rozkładów prawdopodobieństwa, obliczanie wartości dystrybuanty wybranych rozkładów | ||||||||||||||||||||||||||
| 2. | Eksploracja zbiorów danych – podstawowe statystyki opisowe, analiza histogramów | ||||||||||||||||||||||||||
| 3. | Obliczanie miar tendencji centralnej i zmienności | ||||||||||||||||||||||||||
| 4. | Analiza kształtu rozkładu danych | ||||||||||||||||||||||||||
| 5. | Budowa przedziałów ufności | ||||||||||||||||||||||||||
| 6. | Zagadnienie minimalnej liczebności próby i planowanie eksperymentu | ||||||||||||||||||||||||||
| 7. | Testy parametryczne dla jednego parametru | ||||||||||||||||||||||||||
| 8. | Testy parametryczne dla dwóch parametrów | ||||||||||||||||||||||||||
| 9. | Wybrane testy nieparametryczne | ||||||||||||||||||||||||||
| 10. | Testy zgodności | ||||||||||||||||||||||||||
| 11. | Analiza zależności/niezależności między zmiennymi | ||||||||||||||||||||||||||
| 12. | Regresja liniowa | ||||||||||||||||||||||||||
| 13. | Regresja wieloraka | ||||||||||||||||||||||||||
| 14. | Podstawy analizy wariancji (ANOVA). Modele regresji nieliniowej | ||||||||||||||||||||||||||
| 15. | Zaliczenie zajęć | ||||||||||||||||||||||||||
| Metody dydaktyczne (realizacja stacjonarna) |
|||||||||||||||||||||||||||
| W | wykład problemowy; wykład konwersatoryjny; wykład z prezentacją multimedialną | ||||||||||||||||||||||||||
| Ps | zadania projektowe w grupach; dyskusja rozwiązań; testy | ||||||||||||||||||||||||||
| Metody dydaktyczne (realizacja zdalna) |
|||||||||||||||||||||||||||
| W | wykład problemowy; wykład konwersatoryjny; wykład z prezentacją multimedialną | ||||||||||||||||||||||||||
| - | |||||||||||||||||||||||||||
| Forma zaliczenia | |||||||||||||||||||||||||||
| W | zaliczenie pisemne z pytaniami otwartymi | ||||||||||||||||||||||||||
| Ps | opracowanie zadań projektowych realizowanych w grupach; rozwiązywanie testów na platformie Moodle | ||||||||||||||||||||||||||
| Warunki zaliczenia | |||||||||||||||||||||||||||
| W | Uzyskanie min. 30% z każdego E1-E3, a po spełnieniu tego warunku ostateczna ocena wynika z sumy uzyskanych punktów. Kryteria oceny: [ 0 – 50]% punktów – 2.0 (50 – 60]% punktów – 3.0 (60 – 70]% punktów – 3.5 (70 – 80]% punktów – 4.0 (80 – 90]% punktów – 4.5 (90 – 100]% punktów – 5.0 |
||||||||||||||||||||||||||
| Ps | Uzyskanie min. 30% z każdego E4-E8, a po spełnieniu tego warunku ostateczna ocena wynika z sumy uzyskanych punktów. Kryteria oceny: [ 0 – 50]% punktów – 2.0 (50 – 60]% punktów – 3.0 (60 – 70]% punktów – 3.5 (70 – 80]% punktów – 4.0 (80 – 90]% punktów – 4.5 (90 – 100]% punktów – 5.0 |
||||||||||||||||||||||||||
| Symbol efektu | Zakładane efekty uczenia się | Odniesienie do efektów uczenia się zdefiniowanych dla kierunku studiów | |||||||||||||||||||||||||
| Wiedza | Umiejętności | Kompetencje społeczne |
|||||||||||||||||||||||||
| Wiedza: student zna i rozumie | |||||||||||||||||||||||||||
| E1 | podstawowe zagadnienia statystyki opisowej | ||||||||||||||||||||||||||
| E2 | zasady estymacji parametrów, budowy przedziałów ufności, testowania hipotez parametrycznych i nieparametrycznych oraz analizy wariancji | ||||||||||||||||||||||||||
| E3 | pojęcia korelacji, regresji liniowej i wielorakiej, regresji nieliniowej | ||||||||||||||||||||||||||
| Umiejętności: student potrafi | |||||||||||||||||||||||||||
| E4 | obliczać miary opisowe, testować hipotezy oraz stosować regresję i analizę wariancji | ||||||||||||||||||||||||||
| E5 | prawidłowo dobierać testy statystyczne do rodzaju i struktury danych oraz interpretować uzyskane wyniki | ||||||||||||||||||||||||||
| E6 | w sposób czytelny i poprawny przedstawiać wyniki obliczeń statystycznych w postaci tabel, wykresów i raportów | ||||||||||||||||||||||||||
| Kompetencje społeczne: student jest gotów do | |||||||||||||||||||||||||||
| E7 | krytycznej oceny posiadanej wiedzy ze statystyki matematycznej oraz uznawania poznanej wiedzy w rozwiązywaniu problemów poznawczych i praktycznych | ||||||||||||||||||||||||||
| E8 | efektywnej współpracy w grupie, dzielenia się zadaniami i odpowiedzialnością w ramach zespołowych projektów związanych z realizacją zadań z rachunku prawdopodobieństwa | ||||||||||||||||||||||||||
| Symbol efektu | Sposób weryfikacji efektu uczenia się | Forma zajęć na której zachodzi weryfikacja | |||||||||||||||||||||||||
| E1 | egzamin pisemny | W | |||||||||||||||||||||||||
| E2 | egzamin pisemny | W | |||||||||||||||||||||||||
| E3 | egzamin pisemny | W | |||||||||||||||||||||||||
| E4 | projekty grupowe i krótkie testy | Ps | |||||||||||||||||||||||||
| E5 | projekty grupowe i krótkie testy | Ps | |||||||||||||||||||||||||
| E6 | projekty grupowe i krótkie testy | Ps | |||||||||||||||||||||||||
| E7 | projekty grupowe i krótkie testy | Ps | |||||||||||||||||||||||||
| E8 | projekty grupowe i krótkie testy | Ps | |||||||||||||||||||||||||
| Literatura podstawowa | |||||||||||||||||||||||||||
| 1. | J. Jóźwiak, J. Podgórski, Statystyka od podstaw, Polskie Wydawnictwo Ekonomiczne, Warszawa, 1997 | ||||||||||||||||||||||||||
| 2. | W. Krysicki, Rachunek Prawdopodobieństwa i statystyka matematyczna w zadaniach, Cz.2, Statystyka matematyczna. Wyd. 9, 9 dodr. Warszawa: Wydaw. Naukowe PWN, 2012 | ||||||||||||||||||||||||||
| 3. | T. Górecki, Podstawy statystyki z przykładami w R, Wydawnictwo BTC, Legionowo, 2011 | ||||||||||||||||||||||||||
| 4. | J. M. Mętrak, M. Skowron, Rachunek prawdopodobieństwa i statystyka matematyczna dla informatyków i inżynierów, Wydawnictwo Naukowe PWN, Warszawa, 2018 | ||||||||||||||||||||||||||
| Literatura uzupełniająca | |||||||||||||||||||||||||||
| 1. | S. M. Ross, Introduction to Probability and Statistics for Engineers and Scjentystą, Academic Press, San Diego, 2020 | ||||||||||||||||||||||||||
| 2. | C. M. Bishop, Pattern Recognition and Machine Learning, Springer, New York, 2006 | ||||||||||||||||||||||||||
| 3. | G. Casella, R. Berger, Statistical Inference, Duxbury, Pacific Grove, 2002 | ||||||||||||||||||||||||||
| Koordynator przedmiotu: | dr hab. Dorota Mozyrska, dr hab. Małgorzata Wyrwas | Data: | 30/05/2025 | ||||||||||||||||||||||||