University of Warsaw - Central Authentication System
Strona główna

Mathematical Statistics II

General data

Course ID: 2400-IiE3STM2
Erasmus code / ISCED: 14.3 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0311) Economics The ISCED (International Standard Classification of Education) code has been designed by UNESCO.
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 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:

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
Selected timetable range:
Navigate to timetable
Type of class:
Seminar, 30 hours more information
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
Selected timetable range:
Navigate to timetable
Type of class:
Seminar, 30 hours more information
Coordinators: Aneta Dzik-Walczak, Małgorzata Kalbarczyk
Group instructors: Aneta Dzik-Walczak, Małgorzata Kalbarczyk
Students list: (inaccessible to you)
Examination: Course - Grading
Seminar - Grading
Course descriptions are protected by copyright.
Copyright by University of Warsaw.
Krakowskie Przedmieście 26/28
00-927 Warszawa
tel: +48 22 55 20 000 https://uw.edu.pl/
contact accessibility statement USOSweb 7.0.3.0 (2024-03-22)