Wierk - Wydział Informatyki, Elektroniczne Ramy Kwalifikacji

Wydział Informatyki
Kierunek studiów	Data Science							Poziom i forma studiów	pierwszego stopnia inżynierskie stacjonarne
Specjalność / Ścieżka dyplomowania	---							Profil kształcenia	ogólnoakademicki
Nazwa przedmiotu	Statystyka matematyczna							Kod przedmiotu	DS1S3SMA
								Rodzaj przedmiotu	obowiązkowy
Forma zajęć i liczba godzin	W	Ć	L	P	Ps	T	S	Semestr	3
	30				30			Punkty ECTS	5
Przedmioty wprowadzające	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.
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. 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	wykład konwersatoryjny, wykład problemowy, wykład z prezentacją multimedialną, dyskusja rozwiązań, praca w grupach,
Forma zaliczenia	Wykład: zaliczenie pisemne z pytaniami otwartymi Pracownia specjalistyczna: opracowanie zadań projektowych realizowanych w grupach; rozwiązywanie testów na platformie Moodle
Symbol efektu uczenia się	Zakładane efekty uczenia się								Odniesienie do kierunkowych efektów uczenia się
EU1	podstawowe zagadnienia statystyki opisowej								DS1_W01
EU2	zasady estymacji parametrów, budowy przedziałów ufności, testowania hipotez parametrycznych i nieparametrycznych oraz analizy wariancji								DS1_W01
EU3	pojęcia korelacji, regresji liniowej i wielorakiej, regresji nieliniowej								DS1_W01 DS1_W02
EU4	obliczać miary opisowe, testować hipotezy oraz stosować regresję i analizę wariancji								DS1_U01 DS1_U03 DS1_U19
EU5	prawidłowo dobierać testy statystyczne do rodzaju i struktury danych oraz interpretować uzyskane wyniki								DS1_U01 DS1_U03 DS1_U19
EU6	w sposób czytelny i poprawny przedstawiać wyniki obliczeń statystycznych w postaci tabel, wykresów i raportów								DS1_U12 (H1_U02)
EU7	krytycznej oceny posiadanej wiedzy ze statystyki matematycznej oraz uznawania poznanej wiedzy w rozwiązywaniu problemów poznawczych i praktycznych								DS1_K01
EU8	efektywnej współpracy w grupie, dzielenia się zadaniami i odpowiedzialnością w ramach zespołowych projektów związanych z realizacją zadań z rachunku prawdopodobieństwa								DS1_K01
Symbol efektu uczenia się	Sposób weryfikacji efektu uczenia się								Forma zajęć na której zachodzi weryfikacja
EU1	egzamin pisemny								W
EU2	egzamin pisemny								W
EU3	egzamin pisemny								W
EU4	projekty grupowe i krótkie testy								Ps
EU5	projekty grupowe i krótkie testy								Ps
EU6	projekty grupowe i krótkie testy								Ps
EU7	projekty grupowe i krótkie testy								Ps
EU8	projekty grupowe i krótkie testy								Ps
Bilans nakładu pracy studenta (w godzinach)									Liczba godz.
Wyliczenie
	1 - udziałem w wykładach								30
	2 - udziałem w innych formach zajęć								30
	3 - indywidualnym wsparciem merytorycznym procesu uczenia się, udziałem w zaliczeniach organizowanych poza planem zajęć								4
	4 - przygotowaniem do egzaminu								15
	5 - przygotowaniem do zaliczenia pracowni specjalistycznej								46
RAZEM:									125
Wskaźniki ilościowe									GODZINY	ECTS
Nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela									64 (1)+(2)+(3)	2.6
Nakład pracy studenta związany z zajęciami o charakterze praktycznym									76 (2)+(5)	3.0
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
Jednostka realizująca	Wydział Informatyki								Data opracowania programu
Program opracował(a)	dr hab. Dorota Mozyrska,dr hab. Małgorzata Wyrwas								2025.05.30