Mathematical Statistics II
General data
Course ID: | 2400-IiE3STM2 |
Erasmus code / ISCED: |
14.3
|
Course title: | Mathematical Statistics II |
Name in Polish: | Statystyka matematyczna II |
Organizational unit: | Faculty of Economic Sciences |
Course groups: |
(in Polish) Przedmioty obowiązkowe dla III r. studiów licencjackich - Informatyka i Ekonometria |
ECTS credit allocation (and other scores): |
2.00
|
Language: | Polish |
Type of course: | obligatory courses |
Prerequisites (description): | (in Polish) Wymagania formalne Mnożenie macierzy, odwracanie macierzy, ślad macierzy i jego własności, liczenie pochodnych względem wektora parametrów, maksymalizacja funkcji wielu zmiennych |
Short description: |
(in Polish) Podczas zajęć przedstawione zostaną podstawowe zagadnienia dotyczące statystycznej analizy wielowymiarowej, omówione zostaną własności wybranych metod oraz obszary ich zastosowań. Celem zajęć jest zapoznanie studentów z podstawowymi technikami wielowymiarowej statystyki matematycznej, ich konstrukcją matematyczną, a także możliwościami aplikacyjnymi. W trakcie zajęć zostaną omówione teoretyczne aspekty podstawowych technik redukcji wymiaru danych wielowymiarowych. Poruszone zostaną metody analizy głównych składowych, analizy czynnikowej. Dalej, także metody klasyfikacji obiektów wielowymiarowych, przy czym nacisk zostanie położony na metody grupowania podziałowego. Studenci poznają także sposoby znajdowania liniowego porządku na obiektach wielowymiarowych. |
Full description: |
(in Polish) Wprowadzenie do przedmiotu i programu R Statystyka opisowa w R - miary położenia, zróżnicowania i asymetrii Testy parametryczne i nieparametryczne Zagadnienia wstępne: istota i zakres statystycznej analizy wielowymiarowej, podstawowe metody analizy wielowymiarowej, istota obserwacji wielowymiarowych, macierz wariancji-kowariancji, macierz korelacji, współczynniki korelacji (Pearsona, rang Spearmana, Kendala tau-B, Gamma), korelacja cząstkowa Analiza głównych składowych: istota i cel analizy składowych głównych, metoda Hotellinga wyznaczania głównych składowych, interpretacja geometryczna Analiza głównych składowych: etapy analizy, interpretacja wyników, przykłady zastosowań Pierwsza praca zaliczeniowa Analiza wariancji i kowariancji Analiza skupień: istota, obszary zastosowań i cele analizy skupień, typy grupowania (przez podział, przez hierarchię), miary podobieństwa i zróżnicowania obiektów, metryki, procedury normalizacji zmiennych Grupowanie podziałowe: idea grupowania podziałowego, iteracyjne metody transferu, metoda k-średnich Porządkowanie liniowe: istota, metoda wzorca Prezentacje wyników własnych analiz cz.1 Prezentacje wyników własnych analiz cz.2 |
Bibliography: |
(in Polish) Andrzej Balicki, Statystyczna analiza wielowymiarowa i jej zastosowania społeczno-ekonomiczne, Wydawnictwo Uniwersytetu Gdańskiego, Gdańsk 2009 |
Learning outcomes: |
(in Polish) A) Wiedza Student ma podstawową wiedzę o miejscu wielowymiarowej statystyki matematycznej w systemie nauk społecznych i ekonomicznych. Student rozumie zastosowanie wielowymiarowej statystki matematycznej w praktyce gospodarczej Student zna i rozumie ograniczenia metod wykorzystywanych w analizie wielowymiarowej Student zna i rozumie potrzebę stosowania podstawowych narzędzi redukcji wymiaru danych wielowymiarowych tj. analiza głównych składowych Student rozumie cele i sposoby klasyfikacji obiektów wielowymiarowych Student rozumie ideę grupowania podziałowego Student ma wiedzę na temat porządkowania liniowego obiektów wielowymiarowych, zna metodę wzorca Student ma wiedzę na temat sposobów pozyskiwania i przetwarzania danych, a także związane z tym ograniczenia S1A_W01, S1A_W04, S1A_W06, S1A_W10 B) Umiejętności Student potrafi wykorzystać zdobytą podstawową wiedzę teoretyczną i pozyskiwać dane do analizowania konkretnych procesów i zjawisk społecznych Student potrafi interpretować uzyskane wyniki i wyciągać wnioski na ich podstawie Student potrafi wykorzystać poznane metody statystyki wielowymiarowej do analizy podstawowych problemów społeczno-ekonomicznych S1A_U01, S1A_U02, S1A_U07, S1A_U08, S1A_U10 C) Kompetencje społeczne Student rozumie potrzebę uczenia się przez całe życie Student potrafi współdziałać i pracować w grupie Student potrafi odpowiednio określić priorytety służące realizacji określonego przez siebie lub innych zadania Student potrafi uzupełniać i doskonalić nabytą wiedzę i umiejętności S1A_K01, S1A_K02, S1A_K03, S1A_K06 |
Assessment methods and assessment criteria: |
(in Polish) Zaliczenie przedmiotu odbywa się na podstawie egzaminu pisemnego, którego zaliczenie jest warunkiem koniecznym otrzymania końcowej oceny pozytywnej i stanowi 70% tej oceny. Dodatkowo 30% oceny końcowej stanowią: praca zaliczeniowa (wykonanie zadania przy komputerach) oraz prezentacja wyników własnej analizy. Dopuszczalne są dwie nieobecności na zajęciach. |
Classes in period "Winter semester 2023/24" (past)
Time span: | 2023-10-01 - 2024-01-28 |
Navigate to timetable
MO TU W TH FR KON
KON
KON
KON
|
Type of class: |
Seminar, 30 hours
|
|
Coordinators: | Aneta Dzik-Walczak, Małgorzata Kalbarczyk | |
Group instructors: | Aneta Dzik-Walczak, Małgorzata Kalbarczyk | |
Students list: | (inaccessible to you) | |
Examination: |
Course -
Grading
Seminar - Grading |
Classes in period "Winter semester 2024/25" (future)
Time span: | 2024-10-01 - 2025-01-26 |
Navigate to timetable
MO TU W TH KON
KON
KON
FR |
Type of class: |
Seminar, 30 hours
|
|
Coordinators: | Aneta Dzik-Walczak, Małgorzata Kalbarczyk | |
Group instructors: | Aneta Dzik-Walczak, Małgorzata Kalbarczyk | |
Students list: | (inaccessible to you) | |
Examination: |
Course -
Grading
Seminar - Grading |
Copyright by University of Warsaw.