Analiza statystyczna w badaniach społecznych 2700-M-LM-Z2ASBS
Podczas konwersatorium realizowane są następujące zagadnienia:
1. Wprowadzenie do języka Python.
2. Prezentacja tabelaryczna i graficzna materiału statystycznego.
3. Miary zróżnicowania, asymetrii i kurtozy.
4. Współczynnik korelacji liniowej Pearsona. Współczynnik korelacji rang Spearmana. Współczynnik zbieżności T Czuprowa.
5. Prosta regresja liniowa.
6. Analiza korelacji i regresji.
7. Hipotezy i ich weryfikacja. Testowanie t-Studenta.
8. Testy nieparametryczne dla prób niezależnych.Test U Manna-Whitneya.
9. Test F-Fishera dla dwóch wariancji w próbach nieskorelowanych.
10. Porównanie wielu średnich. ANOVA jednoczynnikowa.
11. Test niezależności Chi - kwadrat (tablice czteropolowe).
12. Wieloraka regresja liniowa.
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
Wiedza:
- posiada wiedzę w zakresie podstaw statystyki z próby oraz miary współzależności.
- zna zasady formułowania hipotez statystycznych oraz metody ich weryfikacji z wykorzystaniem odpowiednich testów statystycznych.
Umiejętności:
- potrafi opracowywać zebrane w trakcie badań dane, obliczyć statystyki opisowe uzyskanych danych, badać współzależność, korelację zmiennych.
- potrafi przeprowadzić własne obliczenia w zakresie statystyki opisowej i wnioskowania statystycznego oraz wykonać wykresy i diagramy.
Kompetencje społeczne:
- posiada świadomość roli metod statystycznych w procesie podejmowania decyzji gospodarczych oraz formułowania i przekazywania informacji w sposób syntetyczny i powszechnie zrozumiały.
- przejawia postawy samodzielnego działania w uczeniu się i organizacji pracy własnej;
- rozumie potrzeby ciągłego doskonalenia własnych umiejętności.
Kryteria oceniania
Jedno kolokwium na koniec semestru oceniane na punkty. Przedmiot zaliczają studenci, którzy zdobyli przynajmniej 50% maksymalnej
sumy punków zdobytych z wykonanych zadań
Poszczególne oceny końcowe są wystawiane według poniższej skali:
0-49% - niedostateczny
50%- 65% - dostateczny
66%-74%- plus dostateczny
75%-84% - dobry
85%-94% - plus dobry
95%-100% - bardzo dobry
Literatura
1. Bruce, P.: Statystyka praktyczna w data science : 50 kluczowych zagadnień w językach R i Python. Gliwice, 2021.
2. Grus, J.: Data science od podstaw : analiza danych w Pythonie, Gliwice, 2022.
3. Jóźwiak J., Podgórski J.: Statystyka od podstaw. Warszawa, 2012.
4. Koronacki J., Mielniczuk J.: Statystyka dla studentów kierunków technicznych i przyrodniczych. Warszawa, 2001.
5. Rabiej M.: Analizy statystyczne z programami Statistica i Excel. Gliwice, 2018.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: