Statystyka 3800-AIK-STAT
Celem zajęć jest wyrobienie u studentów rozumienia podstawowych narzędzi statystycznych wykorzystywanych w analizie danych empirycznych, w tym przede wszystkim danych z badań kognitywistycznych.
Na wykładzie zostaną omówione następujące zagadnienia:
- podstawowe pojęcia rachunku prawdopodobieństwa (przestrzeń zdarzeń, prawdopodobieństwo, zmienne losowe, rozkłady dyskretne i ciągłe);
- statystyka opisowa: miary tendencji centralnej i rozproszenia, korelacja, wizualizacja rozkładów;
- rozkłady szczególne wykorzystywane w statystyce (m.in. dwumianowy, normalny, t-Studenta, chi-kwadrat);
- Centralne Twierdzenie Graniczne i jego konsekwencje dla wnioskowania statystycznego;
- estymacja punktowa i przedziałowa, pojęcie błędu standardowego, przedziały ufności i ich interpretacja;
- testowanie hipotez statystycznych: hipoteza zerowa i alternatywna, poziom istotności, p-wartość, błędy I i II rodzaju, moc testu;
- testy dla średniej i proporcji, porównanie dwóch i więcej grup (t-testy, analiza wariancji ANOVA, w zarysie testy nieparametryczne);
- wprowadzenie do regresji liniowej (model, założenia, dopasowanie, interpretacja współczynników, ocena dopasowania);
- zarys regresji logistycznej i innych modeli liniowych;
- praktyczne przykłady analizy danych w Pythonie: wykorzystanie bibliotek (np. Pandas, SciPy/statsmodels), przygotowanie danych, łączenie danych z różnych źródeł (w tym prostych baz SQL), raportowanie wyników i podstawowa wizualizacja.
Na wykładach pokazywane są proste przykłady obliczeń „na piechotę” oraz te same analizy wykonywane w Pythonie. Studenci przygotowują się do samodzielnego stosowania metod statystycznych i krytycznej lektury wyników analiz prezentowanych w literaturze.
Założenia (opisowo)
Koordynatorzy przedmiotu
Efekty kształcenia
Nabyta wiedza:
- zna i rozumie podstawowe narzędzia statystyczne stosowane w modelowaniu i analizie danych, w szczególności w kontekście badań kognitywistycznych i zastosowań AI (K_W05).
Nabyte umiejętności:
- potrafi zapisać prosty problem badawczy w języku matematyki i statystyki, formułując odpowiednie hipotezy i wybierając właściwe testy techniki statystyczne (K_U03);
- potrafi dobrać odpowiednią metodę analizy (test, przedział ufności, model regresyjny) do rodzaju danych i pytania badawczego, wykonać obliczenia (w tym z użyciem Pythona) oraz poprawnie zinterpretować wynik (K_U02, K_U03, K_W05)
Nabyte kompetencje społeczne:
- potrafi precyzyjnie formułować pytania służące doprecyzowaniu założeń analiz statystycznych oraz identyfikować brakujące elementy rozumowania w prezentowanych wynikach (K_K02);
- jest przygotowany do systematycznej pracy nad rozwijaniem umiejętności analizy danych, traktując poznawanie narzędzi statystycznych jako element długofalowego doskonalenia warsztatu badawczego (K_K04).
Kryteria oceniania
- jedyną formą weryfikacji efektów uczenia się jest pisemny egzamin końcowy (zadania rachunkowe, zadania problemowe i pytania otwarte);
- warunkiem zaliczenia przedmiotu jest uzyskanie co najmniej 50% punktów z egzaminu;
- progi ocen:
- 50–60% – ocena 3,0;
- 60–70% – ocena 3,5;
- 70–80% – ocena 4,0;
- 80–90% – ocena 4,5;
- powyżej 90% – ocena 5,0.
Dopuszczalna liczba nieobecności podlegających usprawiedliwieniu: 2 nieobecności; większa liczba wymaga odrobienia materiału w formie dodatkowych konsultacji lub zadań, według ustaleń z prowadzącym
Literatura
Propozycje literatury podstawowej:
- A. Downey, “Think Stats. Exploratory Data Analysis in Python”, O’Reilly.
- J. VanderPlas, “Python Data Science Handbook”, O’Reilly (rozdziały dotyczące statystyki i wizualizacji danych).
- G. James, D. Witten, T. Hastie, R. Tibshirani, “An Introduction to Statistical Learning”, Springer (wybrane rozdziały o regresji i podstawach wnioskowania).
Literatura uzupełniająca:
- L. Wasserman, “All of Statistics. A Concise Course in Statistical Inference”, Springer.
- Dowolny aktualny podręcznik statystyki opisowej i wnioskowania statystycznego w języku polskim lub angielskim.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: