Statystyka i eksploracyjna analiza danych 2400-M1ABSEA

Celem zajęć jest zapoznanie studentów z podstawami analizy statystycznej w stopniu wystarczającym do samodzielnego i efektywnego analizowania danych ustrukturyzowanych, interpretowania i wyciągania wniosków z analiz tychże. Na kurs składają się następujące bloki tematyczne:

BLOK 1. Wprowadzenie do statystyki:
-znaczenie statystyki i analizy danych w biznesie,
-typy struktur danych, źródła danych wtórnych, konstrukcja danych pierwotnych, jakość danych,
-typy zmiennych,
-pojęcia populacji i próby, pojęcie zmiennej losowej, rozkład zmiennej losowej, funkcja gęstości, dystrybuanta,
-miary położenia, rozproszenia i kształtu rozkładu: średnia, mediana, moda, kwartyle, decyle, kwantyle, percentyle, rozstęp, rozstęp międzykwartylowy, wariancja, odchylenie standardowe, współczynnik zmienności, skośność, kurtoza,
-charakterystyka wybranych rozkładów statystycznych: rozkład normalny, t-Studenta, F-Snedecora, Poissona, Gamma, Beta,
-miary zależności i asocjacji: korelacja Pearsona, Spearmana, Kendalla, współczynnik V Cramera,
-sposoby wizualizacji danych,
-obserwacje odstające, wykres pudełkowy, IQR, Z-score, zmodyfikowany Z-score,
-przekształcenia zmiennych: kategoryzacja zmiennych ciągłych, one-hot-encoding, normalizacja, standaryzacja, winsoryzacja,
-znaczenie i cele wizualizacji danych,
-złe i dobre praktyki w wizualizacji,
-rodzaje wykresów a typ danych (ciągłe, kategoryczne, szeregi czasowe).

BLOK 2. Testowanie hipotez statystycznych:
-hipotezy, statystyki testowe, wartości krytyczne, p-value, poziom istotności, błędy I i II rodzaju,
-moc testu, moc a wielkość próby.
-wybrane testy statystyczne dla jednej grupy: testy na normalność rozkładu, test t, test Z, test dwumianowy, test χ² dla jednej grupy,
-wybrane testy statystyczne dla dwóch i więcej grup niezależnych: test t, test Wilcoxona, test χ², test Fishera. ANOVA, test Kruskala-Wallisa, test χ². Testy dla dwóch i więcej grup zależnych: test t, test Wilcoxona, test McNemara. ANOVA, test Q-Cochrana.

BLOK 3. Wprowadzenie do modelowania ekonometrycznego:
-wprowadzenie do modelu regresji liniowej: prosta, płaszczyzna, hiperpłaszczyzna regresji, zaburzenie losowe, regresja prosta a wieloraka, estymacja modelu regresji liniowej, Metoda Najmniejszych Kwadratów (MNK), reszty, twierdzenie Gaussa-Markowa, własności estymatora MNK,
-Klasyczny Model Regresji Liniowej (KMRL): założenia KMRL, interpretacja parametrów w modelu regresji, elastyczności cząstkowe, testowanie istotności statystycznej parametrów, testowanie istotności całego modelu, testowanie istotności wybranych zmiennych w modelu,
-diagnostyka modelu: obserwacje nietypowe, normalność reszt, współliniowość, testowanie założeń KMRL,
-rozszerzenia modelu regresji liniowej: jakościowe zmienne objaśniające, interakcje, uwzględnienie relacji nieliniowych,
-miary jakości modeli regresyjnych: współczynnik jakości dopasowania, kryteria informacyjne, testy diagnostyczne, jakość predykcji.

Kurs będzie realizowany w taki sposób, żeby zademonstrować zastosowanie różnych narzędzi umożliwiających przeprowadzanie prostych analiz statystycznych, w tym programu Microsoft Excel i języków programowania: Stata, R, Python. Ich wcześniejsza znajomość nie jest wymagana.

Szacunkowy nakład pracy studenta: 4ECTS x 25h = 100h
(K) - godziny kontaktowe (S) - godziny pracy samodzielnej
zajęcia: 30h (K) 0h (S)
konsultacje: 10h (K) 0h (S)
egzamin: 0h (K) 0h (S)
przygotowanie do zajęć: 0h (K) 30h (S)
przygotowanie zaliczenia: 0h (K) 30h (S)
Razem: 40h (K) + 60h (S) = 100h

W cyklu 2025Z:

Zajęcia realizowane w ramach projektu „Zintegrowany Program Rozwoju Dydaktyki ZIP 2.0”, współfinansowanego ze środków Europejskiego Funduszu Społecznego Program Fundusze Europejskie dla Rozwoju Społecznego 2021 2027 (FERS) (nr umowy: FERS.01.05 IP.08 0365/23 00).

1. Kwestie organizacyjne; wprowadzenie do statystyki
● Omówienie programu kursu, zasad zaliczenia, literatury.
● Znaczenie statystyki i analizy danych w biznesie.
● Typy struktur danych.
● Pojęcia populacji i próby, pojęcie zmiennej losowej, rozkład zmiennej losowej, funkcja gęstości, dystrybuanta.
● Wybrane rozkłady statystyczne: rozkład normalny, t-Studenta, F-Snedecora, Poissona, Gamma, Beta.

2. Wprowadzenie do języka programowania Python
● Wczytywanie danych z różnych źródeł.
● Wybieranie obserwacji i zmiennych, filtrowanie, sortowanie.
● Omówienie podstawowych bibliotek języka programowania Python: numpy, pandas, statsmodels.
● Czyszczenie danych, wykrywanie i usuwanie duplikatów, wykrywanie, usuwanie i uzupełnianie braków danych.
● Przekształcanie struktur danych, łączenie zbiorów danych.

3. Miary położenia, rozproszenia i kształtu rozkładu
● Średnia, mediana, moda, kwartyle, decyle, kwantyle, percentyle.
● Rozstęp, rozstęp międzykwartylowy, wariancja, odchylenie standardowe, współczynnik zmienności.
● Skośność, kurtoza.

4. Miary zależności i asocjacji
● Korelacja Pearsona, Spearmana, Kendalla, współczynnik V Cramera.

5. Wizualizacja danych
● Obserwacje odstające Wykres pudełkowy, obserwacje odstające, IQR, Z-score, zmodyfikowany Z-score.
● Przekształcenia zmiennych: kategoryzacja zmiennych ciągłych, one-hot-encoding, normalizacja, standaryzacja, winsoryzacja.
● Znaczenie i cele wizualizacji danych.
● Złe i dobre praktyki w wizualizacji.
● Rodzaje wykresów a typ danych (ciągłe, kategoryczne, szeregi czasowe).
● Przegląd bibliotek języka programowania Python: matplotlib, seaborn, plotly, pandas plotting.

6. Testowanie hipotez
● Hipotezy, statystyki testowe, wartości krytyczne, p-value, poziom istotności, błędy I i II rodzaju.
● Moc testu, moc a wielkość próby.

7. Wybrane testy statystyczne
● Testy dla jednej grupy: testy na normalność rozkładu, test t, test Z, test dwumianowy, test χ² dla jednej grupy.
● Testy dla dwóch i więcej grup niezależnych: test t, test Wilcoxona, test χ², test Fishera. ANOVA, test Kruskala-Wallisa, test χ². Testy dla dwóch i więcej grup zależnych: test t, test Wilcoxona, test McNemara. ANOVA, test Q-Cochrana.

Szacunkowy nakład pracy studenta:
Typ aktywności K (kontaktowe) S (samodzielne)
wykład (zajęcia) 0 0
ćwiczenia (zajęcia) 30 0
egzamin 2 0
konsultacje 8 0
przygotowanie do ćwiczeń 0 30
przygotowanie do wykładów 0 0
praca z materiałami dodatkowymi umieszczanymi na platformie Moodle 0 0
przygotowanie do kolokwium 0 0
przygotowanie do egzaminu 0 30
Razem 40 60 = 100

Koordynatorzy przedmiotu

W cyklu 2025Z:

Maciej Świtała
Ewa Weychert

W cyklu 2026Z:

Maciej Świtała

Rodzaj przedmiotu

obowiązkowe

Efekty uczenia się

Po ukończeniu przedmiotu, student:

W zakresie wiedzy:
-zna i rozumie podstawowe pojęcia statystyczne,
-zna i rozumie specyfikę wybranych rozkładów statystycznych,
-zna i rozumie narzędzia pozwalające na przeprowadzanie wnioskowania statystycznego.

W zakresie umiejętności:
-potrafi wczytywać, oczyszczać i przygotowywać dane do analiz,
-potrafi wyciągać wnioski w oparciu o miary położenia, rozproszenia, kształtu rozkładu, miary zależności i asocjacji,
-potrafi wizualizować dane w sposób jasny i zrozumiały, jak również wyciągać wnioski na podstawie takich wizualizacji,
-potrafi przeprowadzać i interpretować testy statystyczne,
-potrafi skonstruować prosty model regresji liniowej i zinterpretować uzyskane wyniki.

W zakresie kompetencji:
-jest gotów interpretować wyniki uzyskane w toku analiz statystycznych, co wynika ze zaznajomienia z najważniejszymi metodami statystycznymi i dobrymi praktykami w ich wykorzystywaniu,
-wykazuje się zdolnością do krytycznej analizy uzyskanych wyników, co wynika z faktu omówienia przykładów zastosowań wspomnianych metod w trakcie zajęć.

Kryteria oceniania

Uzyskanie zaliczenia przedmiotu wymaga spełnienia łącznie trzech warunków:
1. uzyskania co najmniej połowy punktów z przedłożonego konspektu projektu domowego;
2. uzyskania co najmniej połowy punktów z projektu domowego;
3. uzyskania co najmniej połowy punktów z obrony projektu domowego.

Ocena końcowa stanowi średnią ważoną powyższych elementów: oceny za konspekt (waga 10%), oceny za projekt (30%), oceny za obronę projektu (60%).

Skala ocen:
[0%-50%) - ndst
[50%-60%) - dst
[60%-70%) - dst+
[70%-80%) - db
[80%-90%) - db+
[90%-100%] - bdb

Literatura

Downey, A. B. (2014). Think stats: Exploratory data analysis in Python (Version 2.0.27).
Knaflic, C. N. (2015). Storytelling with data: A data visualization guide for business professionals. John Wiley \& Sons, Inc.
Maksimowicz-Ajchel, A. (2007). Wstęp do statystyki. Wydawnictwo Uniwersytetu Warszawskiego.
Mangiafico, S. S. (2015). An R companion for the Handbook of Biological Statistics (Version 1.3.9, revised 2023) [Online handbook]. Rutgers Cooperative Extension. Retrieved from https://rcompanion.org/handbook.
Molin, S. (2021). Hands-on data analysis with pandas: Efficiently perform data collection, wrangling, analysis, and visualization using Python (2nd ed.). Packt Publishing.
Mycielski, J. (2010). Ekonometria. Wydawnictwo Uniwersytetu Warszawskiego.
Pant, D., \& Mukhiya, S. K. (2025). Statistics for Data Scientists and Analysts: Statistical approach to data‑driven decision making using Python. BPB Publications.
Sobczyk, M. (2007). Statystyka. Wydawnictwo Naukowe PWN.
Wooldridge, J. M. (2013). Introductory econometrics. A modern approach. 5th ed. South-Western Cengage Learning.

W cyklu 2025Z:

Downey, A. B. (2014). Think stats: Exploratory data analysis in Python (Version 2.0.27).
Knaflic, C. N. (2015). Storytelling with data: A data visualization guide for business professionals. John Wiley & Sons, Inc.
Mangiafico, S. S. (2015). An R companion for the Handbook of Biological Statistics (Version 1.3.9, revised 2023) [Online handbook]. Rutgers Cooperative Extension. Retrieved from https://rcompanion.org/handbook.
Molin, S. (2021). Hands-on data analysis with pandas: Efficiently perform data collection, wrangling, analysis, and visualization using Python (2nd ed.). Packt Publishing.
Pant, D., & Mukhiya, S. K. (2025). Statistics for Data Scientists and Analysts: Statistical approach to data‑driven decision making using Python. BPB Publications.