Uniwersytet Warszawski - Centralny System UwierzytelnianiaNie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Statystyka I z R

Informacje ogólne

Kod przedmiotu: 3501-KOG-S1R Kod Erasmus / ISCED: 14.2 / (0314) Socjologia i kulturoznawstwo
Nazwa przedmiotu: Statystyka I z R
Jednostka: Instytut Filozofii
Grupy: Przedmioty obowiązkowe, kognitywistyka, stacjonarne, pierwszego stopnia
Punkty ECTS i inne: 2.00 (zmienne w czasie)
zobacz reguły punktacji
Język prowadzenia: polski
Rodzaj przedmiotu:

obowiązkowe

Skrócony opis:

Studenci poznają R — język programowania statystycznego, który umożliwia bardziej zaawansowane podejście do analizy danych niż tradycyjne pakiety statystyczne. Nauka R powiązana będzie ściśle z powtórzeniem, ugruntowaniem i rozszerzeniem podstawowej wiedzy statystycznej (np. poprzez pisanie prostych symulacji obrazujących "działanie" Centralnego Twierdzenia Granicznego, istotę założeń koniecznych przy stosowaniu testów parametrycznych itp.). Zajęcia będą miały formę ćwiczeń przy komputerze.

Pełny opis:

Nauczanie studentów kierunków społecznych (i humanistycznych) statystyki nigdy nie było zadaniem łatwym, a podstawowym problemem jest znalezienie równowagi między wyczerpującą, a wciąż przystępną, prezentacją teorii, przeglądem podstawowych technik i narzędzi oraz praktycznym ćwiczeniem różnych metod analitycznych. Zadanie to wraz z rozwojem statystyki stosowanej w naukach społecznych staje się coraz trudniejsze; pojawiają się i popularność zyskują nowe techniki. Pomijając nawet fakt, że ich podstawy teoretyczne są wielokroć bardziej skomplikowane niż te podstawowych testów statystycznych, w tradycyjnych programach nauczania statystyki nie starcza miejsca na choćby pobieżną prezentację tych metod, nie wspominając o ich praktycznym ćwiczeniu. W efekcie studenci kończący typowy kurs wprowadzający do statystyki mają często całkiem szczegółową wiedzę na temat matematycznych podstaw najprostszych technik, która jednak w niewielkim stopniu ułatwia im i przygotowuje ich do samodzielnego przeprowadzania bardziej zaawansowanych analiz, a nawet rozumienia analiz prezentowanych w artykułach naukowych. Niniejszy kurs stara się zaradzić temu problemowi, oferując zupełnie nowe podejście do nauczania statystyki, w szczególności ściśle ze sobą wiążąc teorię z praktyką oraz kładąc nacisk na zdroworozsądkowe rozumienie tej pierwszej raczej niż znajomość matematycznych szczegółów. Zatem, zamiast spisywać z tablicy wzory matematyczne, studenci poznają logikę wnioskowania statystycznego, samodzielnie oraz w trakcie zajęć wykonując proste ćwiczenia na komputerze.

Równocześnie kurs ten będzie stanowić wprowadzenie do coraz popularniejszego w psychologii i naukach pokrewnych pakietu statystycznego--R. Wybór tego pakietu jest nieprzypadkowy. Jako darmowe i otwarte oprogramowanie (open-source), R jest stale rozwijany przez społeczność użytkowników, z definicji oferuje więc najnowocześniejsze techniki, stając się z tego powodu podstawowym oprogramowaniem statystycznym na wiodących światowych uniwersytetach. Ponadto, R ma dwie istotne ze względów dydaktycznych zalety. Po pierwsze, nie posiadając rozbudowanego interfejsu graficznego, który pozwalałby na pamięciowe uczenie się przeprowadzania wybranych analiz, R niejako wymusza rozumienie i świadome działanie. Sprzyja temu również fakt, że uruchomienie prostej analizy w R, jak choćby testu t czy analizy wariancji, nie skutkuje wydrukiem dużej liczby skomplikowanych tabelek, które studenci korzystający z innych pakietów statystycznych uczą się po prostu ignorować. Po drugie, korzystanie z R w trakcie zajęć pozwoli na wspólne przeprowadzanie prostych praktycznych symulacji. I tak na przykład, zamiast uczyć się prawa wielkich liczb czy centralnego twierdzenia granicznego, studenci na własne oczy zobaczą związek między liczebnością próby a wielkością błędu pomiaru.

Szacowana liczba godzin, które student powinien przeznaczyć na osiągnięcie efektów uczenia się: 30h (laboratorium) + 45h pracy własnej.

Zakres poszczególnych tematów wspólny dla wykładu i ćwiczeń

1. Podstawy R oraz wstępne przetwarzanie danych

2. Ilościowa charakterystyka danych

3. Graficzna analiza danych

4. Rozkłady teoretyczne

5. Proste symulacje statystyczne

6. Rozkład z próby i estymacja

7. Logika wnioskowania statystycznego (Fisher a Neyman & Pearson)

8. Modelowanie statystyczne, modele liniowe i analiza regresji

9. Analiza wariancji jako szczególny przypadek analizy regresji

10. Analiza regresji logistycznej jako rozszerzenie modelu liniowego

11. Ograniczenia (uogólnionego) modelu liniowego i modele efektów mieszanych

12. Statystyka nieparametryczna: metody tradycyjne a współczesne

13. Bayesowskie wnioskowanie statystyczne

Literatura:

Literatura podstawowa:

Ferguson, G.A., Takane, Y. (1997). Analiza statystyczna w psychologii i pedagogice, PWN .

Blalock, H.M. (1975, 1977). Statystyka dla socjologów, PWN.Jóźwiak, J., Podgórski, J. (2001) Statystyka od podstaw, PWE.

Lektury uzupełniające:

Aczel A., D., (2000), Statystyka w zarządzaniu. PWN, Warszawa.

Aranowska E., Rytel J., (2000), Nowe ujęcie problematyki mocy testów statystycznych. Przegląd Psychologiczny, 43, 1, 29 ? 38.

Aranowska, E. (1996). Metodologiczne podstawy zastosowań modeli statystycznych w psychologii. Teoria i praktyka, Studio.

Brzeziński, J. (1997). Metodologia badań psychologicznych, PWN.

Brzeziński, J. i R. Stachowski, (1981). Zastosowanie analizy wariancji w eksperymentalnych badaniach psychologicznych, PWN.

Domański, Cz. (1979). Statystyczne testy nieparametryczne, PWE.

Hays W.L. (1973), Statistics for the social sciences. Holt Rinehart and Winston, N.York.

Pagano R. R. (1990), Understanding statistics in the behavioral sciences. West Publishing Company, St. Paul, New York, Los Angeles, San Francisco.

Sobczyk M. (1999), Statystyka. PWN, Warszawa.

Szymczak, W. (2008). Podstawy statystyki dla psychologów z wykorzystaniem pakietu SPSS. Podręcznik akademicki, Difin.

Efekty uczenia się:

Nabyta wiedza:

Student rozumie logikę wnioskowania statystycznego.

Student zna podstawowe metody statystyczne stosowane w analizie danych eksperymentalnych.

Nabyte umiejętności:

Student potrafi korzystać z języka programowania R w podstawowym zakresie.

Student umie samodzielnie dobrać i zastosować właściwą metodę statystyczną do określonych danych eksperymentalnych.

Student potrafi we właściwy sposób przedstawić wyniki swojej analizy statystycznej

Student potrafi poprawnie sformułować wnioski na podstawie przeprowadzonej przez siebie analizy danych eksperymentalnych.

Metody i kryteria oceniania:

Terminowe rozwiązywanie zadań oraz testów na platformie e-learningowej.

Liczba dopuszczalnych nieobecności podlegających usprawiedliwieniu: 2

Zajęcia w cyklu "Semestr zimowy 2019/20" (zakończony)

Okres: 2019-10-01 - 2020-01-27
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 30 godzin, 60 miejsc więcej informacji
Koordynatorzy: Grzegorz Krajewski
Prowadzący grup: Grzegorz Krajewski, Bartosz Maćkiewicz
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Laboratorium - Zaliczenie na ocenę
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.