Komputerowe programy statystyczne -zaoczne
Informacje ogólne
Kod przedmiotu: | D.KOMPRST.ND.DXXXX |
Kod Erasmus / ISCED: | (brak danych) / (brak danych) |
Nazwa przedmiotu: | Komputerowe programy statystyczne -zaoczne |
Jednostka: | Katedra Hodowli Bydła |
Grupy: | |
Punkty ECTS i inne: |
(brak)
|
Język prowadzenia: | polski |
Skrócony opis: |
Celem kursu jest umożliwienie uczestnikowi nabycia praktycznej umiejętności posługiwania się najczęściej wykorzystywanymi programami statystycznymi w zakresie: zarządzania danymi, przeprowadzania obliczeń, wyprowadzania wyników w formie numerycznej i analogowej, umiejętności interpretacji wyników. |
Pełny opis: |
ZInformacje o dostępnych - wielomodułowych programach umożliwiających przetwarzanie numeryczne, analogowe, prezentacje uzyskanych wyników oraz specyfikę ich zastosowań: SAS, Matlab, SPSS, Minitab, Lisrel, R v.2.9, Statistica jako uniwersalny program posiadający bardzo przyjazny interfeis dla użytkownika. Dokonanie globalnych ustawień charakterystyk wyprowadzania wyników (raporty, wykresy, tablice), wydawanie poleceń dla otwierania głównych okien menu i submenu dla poszczególnych rutyn, generowanie arkusza danych, definiowanie typu zmiennych, wprowadzanie i archiwizowanie danych, używanie komend: edycji, sterowania wstawianiem zmiennych, przypadków, obiektów, formatowania zmiennych, przypadków, bloków, zarządzania danymi tj.: transponowania, scalania, filtrowania, przekształcania wielu zmiennych, standaryzowania, generowania liczb losowych itp. , używania warunków selekcji w celu wybierania danych do obliczeń według zadanych przez użytkownika klasyfikacji. Podstawowe charakterystyki statystyczne. Generowanie macierzy korelacji i określanie istotności wskaźników korelacji, generowanie tabeli liczności - arbitralne ustalanie zakresu klas, generowanie tabeli wielodzielczych, wykonywanie testów "t" istotności różnic dla: prób niezależnych względem grup, prób względem zmiennych, dla grup zależnych - par skorelowanych. Analiza wariancji w układzie: jednoczynnikowym; wielu efektów głównych, układów z powtarzanymi pomiarami, w układzie kwadratu łacińskiego, w układzie losowanych bloków, najmniejszych kwadratów. Testy Post – hoc: IR - Fishera, Bonferroniego, Scheffego, Tukeya, Newmana - Keulsa, Duncana, Dunnetta Analiza regresji prostej, wielokrotnej, krokowej, grzbietowej Obliczanie statystyk nieparametrycznych: chi2 , korelacji rang Spearmana, tau Kendalla, gamma Dopasowywanie rozkładów ciągłych: normalnego, wykładniczego, gamma, lognormalnego, dopasowywanie rozkładów dyskretnych: dwumianowego, Poissona, Bernoulliego Wyprowadzanie wyników i ilustrowanie ich za pomocą wykresów: histogramów dwuwymiarowych: zwykłych, podwójnych, wielokrotnych, z dopasowaniem rozkładów: normalnego, beta, wykładniczego, ekstremalnego, gamma. rozrzutu w układzie kartezjańskim i biegunowym: zwykłym, wielokrotnym, podwójnym z dopasowaniem: liniowym, wielomianowym, logarytmicznym, wykładniczym, najmniejszych kwadratów. wykresów 3- wymiarowych: rozrzutu, powierzchniowych, warstwicowych. |
Literatura: |
1. Statystyka w zarządzaniu. 2003, Redakcja naukowa Andrzej Luszniewicz. Wyższa Szkoła Finansów i Zarządzania w Białymstoku. ss. 244 2. Zeliaś A., Pawełek B., Wanat S.: 2002, Metody statystyczne zadania i sprawdziany. PWE Warszawa, ss. 463. 3. Cytowski J. 1996. Algorytmy genetyczne. Podstawy i zastosowania. Akademicka Oficyna Wydawnicza PLJ, Warszawa ss. 102. 4. Kala R. 2002, Statystyka dla przyrodników. Wydawnictwo AR w Poznaniu, ss. 231 5. Zastosowanie Metod statystycznych w badaniach naukowych I. 2000, StatSoft Kraków, ss. 208. 6. Luszniewicz A.: 2002, Statystyka w biznesie - Laboratoria komputerowe Statistica P.L. Wyższa Szkoła Handlu i Prawa, Warszawa, ss. 132. 7. Harry M., Schroeder R.: 2001, Six Sigma – wykorzystanie programu jakości do poprawy wyników finansowych. Oficyna Ekonomiczna, Kraków, ss.269. 8. Everitt B.S., Landau S., Leese M. 2001, Cluster analysis, Fourth edition. Oxford University Press Inc. New York, ss. 237. 9. Dittmann P.: 2003, Prognozowanie w przedsiębiorstwie. Metody i ich zastosowanie. Ofi-cyna Wydawnicza Kraków, ss. 288. 10. Greber T.: 2000, Statystyczne sterowanie procesami – doskonalenie jakości z pakietem Statistica. StatSoft Kraków, ss. 232. 11. Taubes C.H. Modeling Differential Equations in Biology. 2001, Harvard University, Pren-tice Hall, ss.500. 12. Hertz J., Krogh A., Palmer R.: 1993, Wstęp do Teorii Obliczeń Neuronowych. Wydaw-nictwa Naukowo-Techniczne, Warszawa, ss. 373. 13. Metody Statystyczne i Techniki DATA MINING w badaniach naukowych. 2002, StatSoft Kraków, ss. 100. |
Efekty uczenia się: |
Posiada wiedzę z zakresu statystyki matematycznej oraz trafności wyboru metody statystycznej adekwatnej do rozwiązywanego problemu. Potrafi wykorzystać określone rutyny komputerowe dla realizacji obliczeń i wyprowadzania wyników w formie numerycznej i analogowej oraz umie zinterpretować uzyskane wyniki. Potrafi ocenić ryzyko wynikające z niewłaściwie zastosowanej metody statystycznej i błędnej interpretacji wyników. |
Metody i kryteria oceniania: |
Na ocenę 2,0 Student nie wykazuje aktywności na zajęciach i pracy własnej Na ocenę 3,0 Student wykazuje dostateczną aktywność na zajęciach i w pracy własnej Na ocenę 3,5 Student wykazuje ponaddostateczną aktywność na zajęciach i w pracy własnej Na ocenę 4,0 Student wykazuje dobrą aktywność na zajęciach i w pracy własnej Na ocenę 4,5 Student wykazuje ponad dobrą aktywność na zajęciach i w pracy własnej Na ocenę 5,0 Student wykazuje bardzo dobrą aktywność na zajęciach i w pracy własnej |
Właścicielem praw autorskich jest Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie.