Przedstawienie podstawowych pojęć i twierdzeń algebry liniowej i ich interpretacji geometrycznej.
1. Liczby zespolone i ich własności.
2. Działania na macierzach. Określenie wyznacznika. Własności wyznaczników. Macierz odwrotna.
3. Układy równań liniowych. Równania macierzowe. Twierdzenie Cramera. Twierdzenie Kroneckera-Cappellego. Metoda eliminacji Gaussa.
4. Przestrzenie liniowe nad ciałem (R lub C). Liniowa zależność i niezależność wektorów. Baza i wymiar przestrzeni liniowej. Współrzędne wektora w bazie.
5. Iloczyn skalarny wektorów. Iloczyn wektorowy wektorów.
Celem przedmiotu jest zapoznanie z zaawansowanymi funkcjami arkuszy kalkulacyjnych służących do analizy danych.
1. Historia Excela i innych arkuszy kalkulacyjnych
2. Interfejs, budowa i konfiguracja programu MS EXCEL
3. Przydatne skróty MS EXCEL
4. Zasady formatowania tabel
5. Formatowanie warunkowe i niestandardowe
6. Style, motywy, szablony
7. Błędy obliczeń. Szacowanie formuł. Inspekcja formuł
8. Graficzna prezentacja danych
9. Zastosowanie Excela
Celem przedmiotu jest zapoznanie studenta z podstawowymi statystykami opisowymi i ich graficzną reprezentacją. Student zapoznaje się z podstawowymi zasadami prezentacji różnych typów danych, technikami wizualizacji danych.
I. Analiza danych jako nauka.
1. Podstawowe pojęcia.
2. Dane i ich klasyfikacja.
II. Analiza struktury.
1. Wprowadzenie do analizy struktury danych.
- Prezentacja rozkładu jednowymiarowego.
- Własności jednowymiarowych rozkładów cechy.
- Klasyfikacja miar stosowanych do opisu własności jednowymiarowych rozkładów.
2. Analiza struktury rozkładów jednowymiarowych (badanie własności).
- Miary i ocena położenia rozkładu.
- Miary i ocena dyspersji.
- Miary i ocena asymetrii.
- Miary i ocena koncentracji.
- Porównania rozkładów badanej cechy.
3. Wybrane metody informatyczne, graficzne, statystyczne i matematyczne związane z analizą danych.
Celem kursu jest zapoznanie studentów z podstawowymi pojęciami rachunku prawdopodobieństwa oraz teorii zmiennych losowych w dyskretnej przestrzeni probabilistycznej, a także sposobami wyznaczania prawdopodobieństw zdarzeń oraz podstawowych charakterystyk zmiennych losowych dyskretnych oraz zapoznanie studentów z podstawowym zestawem zagadnień statystycznych typu: wizualizacja danych, miary tendencji centralnej i miary zróżnicowania, estymacja przedziałowa, weryfikacja hipotez statystycznych oraz korelacja i regresja, a także nauką wykorzystania wybranego pakietu statystycznego lub języka programowania do rozwiązywania prostych zadań statystycznych.
1. Podstawowe pojęcia kombinatoryczne.
2. Pojęcie dyskretnej przestrzeni probabilistycznej i określenie prawdopodobieństwa w tej przestrzeni.
3. Podstawowe własności prawdopodobieństwa.
4. Wzór na prawdopodobieństwo warunkowe i wzór na prawdopodobieństwo całkowite.
5. Zdarzenia niezależne.
6. Schemat Bernoulli’ego i jego wykorzystanie.
7. Pojęcie zmiennej losowej dyskretnej, sposoby reprezentacji zmiennych losowych dyskretnych, dystrybuanta zmiennej losowej dyskretnej.
8. Charakterystyki liczbowe zmiennej losowej dyskretnej i sposoby ich obliczania.
9. Przegląd podstawowych rozkładów dyskretnych.
10. Sposoby przedstawiania danych w statystyce opisowej. Miary tendencji centralnej (średnie klasyczne: arytmetyczna, geometryczna, harmoniczna i potęgowa; dominanta, mediana). Miary zróżnicowania (odchylenie standardowe, kwantyle, odchylenie ćwiartkowe).
11. Podstawowe zagadnienia statystyki matematycznej. Rozkłady prawdopodobieństwa używane w statystyce – rozkład normalny, Studenta
oraz chi – kwadrat. Zagadnienie estymacji przedziałowej. Przedziały ufności dla wartości oczekiwanej.
12. Przedziały ufności dla wariancji i odchylenia standardowego.
13. Weryfikacja hipotez statystycznych.
14. Zagadnienie korelacji i regresji liniowej.
15. Zagadnienia analizy dynamiki zjawisk masowych, szeregi dynamiczne.
Celem kursu jest zapoznanie studentów z podstawowymi pojęciami rachunku prawdopodobieństwa oraz teorii zmiennych losowych w dyskretnej przestrzeni probabilistycznej, a także sposobami wyznaczania prawdopodobieństw zdarzeń oraz podstawowych charakterystyk zmiennych losowych dyskretnych oraz zapoznanie studentów z podstawowym zestawem zagadnień statystycznych typu: wizualizacja danych, miary tendencji centralnej i miary zróżnicowania, estymacja przedziałowa, weryfikacja hipotez statystycznych oraz korelacja i regresja, a także nauką wykorzystania wybranego pakietu statystycznego lub języka programowania do rozwiązywania prostych zadań statystycznych.
1. Podstawowe pojęcia kombinatoryczne.
2. Pojęcie dyskretnej przestrzeni probabilistycznej i określenie prawdopodobieństwa w tej przestrzeni.
3. Podstawowe własności prawdopodobieństwa.
4. Wzór na prawdopodobieństwo warunkowe i wzór na prawdopodobieństwo całkowite.
5. Zdarzenia niezależne.
6. Schemat Bernoulli’ego i jego wykorzystanie.
7. Pojęcie zmiennej losowej dyskretnej, sposoby reprezentacji zmiennych losowych dyskretnych, dystrybuanta zmiennej losowej dyskretnej.
8. Charakterystyki liczbowe zmiennej losowej dyskretnej i sposoby ich obliczania.
9. Przegląd podstawowych rozkładów dyskretnych.
10. Sposoby przedstawiania danych w statystyce opisowej. Miary tendencji centralnej (średnie klasyczne: arytmetyczna, geometryczna, harmoniczna i potęgowa; dominanta, mediana). Miary zróżnicowania (odchylenie standardowe, kwantyle, odchylenie ćwiartkowe).
11. Podstawowe zagadnienia statystyki matematycznej. Rozkłady prawdopodobieństwa używane w statystyce – rozkład normalny, Studenta
oraz chi – kwadrat. Zagadnienie estymacji przedziałowej. Przedziały ufności dla wartości oczekiwanej.
12. Przedziały ufności dla wariancji i odchylenia standardowego.
13. Weryfikacja hipotez statystycznych.
14. Zagadnienie korelacji i regresji liniowej.
15. Zagadnienia analizy dynamiki zjawisk masowych, szeregi dynamiczne.
Celem kursu jest zapoznanie studentów z podstawowymi pojęciami rachunku prawdopodobieństwa w dowolnej przestrzeni probabilistycznej, a także sposobami wyznaczania prawdopodobieństw zdarzeń z wykorzystaniem pojęć kombinatorycznych oraz odpowiednich twierdzeń.
1. Podstawowe pojęcia kombinatoryczne.
2. Pojęcie przestrzeni probabilistycznej i określenie prawdopodobieństwa w tej przestrzeni:
- prawdopodobieństwo geometryczne
- własności prawdopodobieństwa
- wzór na prawdopodobieństwo warunkowe i wzór na prawdopodobieństwo całkowite
- zdarzenia niezależne
- schemat Bernoulli’ego
3. Jednowymiarowe zmienne losowe:
- zmienna losowa skokowa i bezwzględnie ciągła
- parametry rozkładu jednowymiarowej zmiennej losowej
- momenty jednowymiarowej zmiennej losowej
4. Wielowymiarowe zmienne losowe:
- dwuwymiarowa zmienna losowa skokowa i bezwzględnie ciągła
- rozkłady brzegowe i warunkowe dwuwymiarowej zmiennej losowej
- parametry rozkładu dwuwymiarowej zmiennej losowej
- momenty dwuwymiarowej zmiennej losowej
5. Wybrane typy rozkładów:
- zmiennej losowej skokowej
- zmiennej losowej ciągłej
6. Funkcje charakterystyczne:
- jednowymiarowej zmiennej losowej
- dwuwymiarowej zmiennej losowej
14. Twierdzenia graniczne:
- rodzaje zbieżności ciągu zmiennych losowych
- prawa wielkich liczb
- centralne twierdzenia graniczne