(in Polish) Wnioskowanie statystyczne z wykorzystaniem języka Python
General data
Course ID: | 1100-WSW-OG |
Erasmus code / ISCED: | (unknown) / (unknown) |
Course title: | (unknown) |
Name in Polish: | Wnioskowanie statystyczne z wykorzystaniem języka Python |
Organizational unit: | Faculty of Physics |
Course groups: |
General university courses General university courses improving digital competences useful in science and on the labor market General university subjects |
ECTS credit allocation (and other scores): |
(not available)
|
Language: | Polish |
Type of course: | general courses |
Prerequisites (description): | (in Polish) W zajęciach uczestniczyć mogą wyłącznie: - studenci drugiego lub trzeciego roku studiów licencjackich, - pierwszego lub drugiego roku studiów magisterskich, - czwartego lub piątego roku studiów jednolitych magisterskich. Zajęcia dofinansowane zostały ze środków Europejskiego Funduszu Społecznego w ramach PO WER, ścieżka 3.5 i z tego powodu studenci zobowiązani są do wypełnienia dokumentacji projektowej. Odmowa ich wypełnienia oznacza rezygnację z zajęć. Warunkiem udziału w zajęciach jest zatem: - wypełnienie najpóźniej na początku pierwszych zajęć deklaracji oraz oświadczenia uczestnika projektu finansowanego w ramach Programu ZIP - wypełnienie pre-testu służącego ocenie przyrostu kompetencji (bilans kompetencji), - podstawowa znajomość Pythona (warunki, pętle, funkcje), - podstawowych treści ze statystyki opisowej i rachunku prawdopodobieństwa. Warunkiem akceptacji grupy na etap początku zajęć jest min. 10 studentów, którzy wypełnią powyższą deklarację i pre-test. |
Short description: |
(in Polish) W zajęciach uczestniczyć mogą wyłącznie: - studenci drugiego lub trzeciego roku studiów licencjackich, - pierwszego lub drugiego roku studiów magisterskich, - czwartego lub piątego roku studiów jednolitych magisterskich. Zajęcia mają na celu wprowadzenie podstawowych technik statystycznych z zakresu weryfikacji hipotez i ich implementacji w języku Python. Zajęcia mają przygotować studentów do świadomego i poprawnego stosowania najczęściej wykorzystywanych metod statystycznych. W czasie zajęć studenci będą mieli okazje sprawdzić w jaki sposób analizować dane eksperymentów, doświadczeń i ankiet, które przeprowadzają lub będą przeprowadzać w czasie studiów i jakich narzędzi używać analizując otrzymane wyniki. Zajęcia dofinansowane zostały ze środków Europejskiego Funduszu Społecznego w ramach PO WER, ścieżka 3.5 i z tego powodu studenci zobowiązani są do wypełnienia dokumentacji projektowej. Odmowa ich wypełnienia oznacza rezygnację z zajęć. |
Full description: |
(in Polish) Zajęcia mają na celu wprowadzenie podstawowych technik statystycznych z zakresu weryfikacji hipotez i ich implementacji w języku Python. Zajęcia mają przygotować studentów do świadomego i poprawnego stosowania najczęściej wykorzystywanych metod statystycznych. Zajęcia umożliwiają uzyskanie kompetencji informatycznych oraz analitycznych. Zagadnienia, które będą omawiane w trakcie zajęć: Rozkłady gęstości prawdopodobieństwa Wariancja, mediana i inne statystyki Przykładowe rozkłady Statystyki i estymatory Weryfikacja hipotez statystycznych Test t-Studenta Test chi^2 Testy nieparametryczne Test Wilcoxona-Manna-Whitneya Metoda największej wiarygodności Regresja liniowa Interpretacja współczynnika korelacji |
Bibliography: |
(in Polish) Oficjalny tutorial języka Python: https://docs.python.org/3/tutorial/index.html Durka P.J., „Wstęp do współczesnej statystyki", Wyd. Adamantan, 2003 Materiały udostępniane w czasie zajęć. |
Learning outcomes: |
(in Polish) Student po ukończeniu kursu będzie: - rozumiał podstawowe metody statystyczne leżące u podstaw powszechnie stosowanych metod weryfikacji hipotez statystycznych; - znał podstawowe techniki statystyczne z zakresu weryfikacji hipotez i ich implementacji w języku Python; - potrafił dokonać prostej analizy statystycznej danych uzyskanych w wyniku przeprowadzonego eksperymentu do pracy dyplomowej, doświadczenia na pracowni, ankiety; - potrafił przygotować wykres przy użyciu biblioteki matplotlib danych wczytanych z pliku. |
Assessment methods and assessment criteria: |
(in Polish) Warunki zaliczenia zajęć: • obecność studenta na co najmniej 80% wszystkich spotkań • wypełnienie po zakończeniu ostatnich zajęć post-testu (gdzie uczestnik określa poziom swojej wiedzy i umiejętności po zakończeniu zajęć). Warunkiem finalnej akceptacji grupy jest wypełnienie wszystkich w/w wymagań przez co najmniej 10 studentów. Zaliczenie przedmiotu odbywa się na podstawie kolokwium końcowego. |
Practical placement: |
(in Polish) Nie są przewidywane. |
Copyright by University of Warsaw.