(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) Basic information on ECTS credits allocation principles: the annual hourly workload of the student’s work required to achieve the expected learning outcomes for a given stage is 1500-1800h, corresponding to 60 ECTS; the student’s weekly hourly workload is 45 h; 1 ECTS point corresponds to 25-30 hours of student work needed to achieve the assumed learning outcomes; weekly student workload necessary to achieve the assumed learning outcomes allows to obtain 1.5 ECTS; work required to pass the course, which has been assigned 3 ECTS, constitutes 10% of the semester student load. view allocation of credits
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.

This course is not currently offered.

Course descriptions are protected by copyright.
Copyright by University of Warsaw.