Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Statystyka dla finansów i ubezpieczeń
Koordynator przedmiotu:
Dr Andrzej Sierociński
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia II stopnia
Program:
Matematyka
Grupa przedmiotów:
Wspólne
Kod przedmiotu:
M2SFU
Semestr nominalny:
1 / rok ak. 2017/2018
Liczba punktów ECTS:
6
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
1. godziny kontaktowe – 70 h; w tym a) obecność na wykładach – 30 h b) obecność na laboratoriach – 30 h c) obecność na egzaminie – 5 h d) konsultacje – 5 h 2. praca własna studenta – 85 h; w tym a) przygotowanie do laboratoriów – 30 h b) zapoznanie się z literaturą – 15 h c) przygotowanie do egzaminu – 40 h Razem 155 h, co odpowiada 6 pkt. ECTS
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
a) obecność na wykładach – 30 h b) obecność na laboratoriach – 30 h c) obecność na egzaminie – 5 h d) konsultacje – 5 h Razem 70 h, co odpowiada 3 pkt. ECTS
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
a) obecność na laboratoriach – 30 h b) przygotowanie do laboratoriów – 30 h Razem 60 h, co odpowiada 2 pkt. ECTS
Formy zajęć i ich wymiar w semestrze:
  • Wykład30h
  • Ćwiczenia0h
  • Laboratorium30h
  • Projekt0h
  • Lekcje komputerowe0h
Wymagania wstępne:
Statystyka matematyczna
Limit liczby studentów:
Bez limitu
Cel przedmiotu:
Zdobycie podstawowej wiedzy i praktycznej umiejętności analizy regresyjnych zależności liniowych i analizy adekwatności postulowanego modelu. Umiejętność analizy zależności dla różnych typów zmiennych losowych. Podstawy teoretyczne oraz praktyczna umiejętność wykorzystania technik symulacyjnych w analizie statystycznej.
Treści kształcenia:
1. Analiza regresji liniowej 2. estymacja metodą najmniejszych kwadratów, tw. Gaussa-Markowa. 3. Testowanie i diagnostyka w modelu regresji wielokrotnej. 4. Ogólny test liniowy. 5. Metody wyboru zmiennych do modelu 6. Modele regresyjne z binarną zmienną zależną, regresja logistyczna, wnioskowanie, diagnostyka. 7. Analiza wariancji 8. Jednoczynnikowa analiza wariancji. 9. Dwuczynnikowa analiza wariancji. 10. Nieparametryczna analiza wariancji, Test Kruskala-Wallisa i test Friedmana. 11. Analiza danych jakościowych 12. Analiza jednej zmiennej. 13. Testowanie jednorodności. 14. Testowanie niezależności. 15. Analiza zależności dla zmiennych nominalnych oraz zmiennych o uporządkowanych kategoriach. 16. Asymptotyczne rozkłady statystyk dla testów chi-kwadrat Pearsona, paradoks Simpsona. 17. Metoda Monte Carlo, testy permutacyjne, repróbkowanie (bootstrap). 18. Analiza składowych głównych 19. Liniowa analiza dyskryminacyjna 20. Uogólnione podejście Fishera. 21. Klasyfikator bayesowski i metoda największej wiarogodności. 22. Dyskryminacja oparta na regresji liniowej oraz dyskryminacja logistyczna.
Metody oceny:
Zaliczenie na podstawie egzaminu pisemnego i wyników uzyskanych z Laboratorium/Projektów. Warunkiem dopuszczenia do egzaminu jest uzyskanie min. 51% oceny z laboratorium. Zaliczenie egzaminu: min. 51% oceny z egz. Ocena końcowa: 40% oceny z lab. oraz 60% oceny z egz.
Egzamin:
tak
Literatura:
G.A.F. Seber, “Linear regression analysis”, Wiley, New York 1977 D.F. Morrison, „Wielowymiarowa Analiza Statystyczna”, PWN, 1990 J. Koronacki, J. Mielniczuk, „Statystyka dla studentów kierunków technicznych i przyrodniczych”, WNT J. Koronacki , J. Ćwik, „Statystyczne systemy uczące się”, EXIT J. Ćwik, J. Mielniczuk, „Statystyczne systemy uczące się. Ćwiczenia w oparciu o pakiet R”, Oficyna Wydawnicza PW. J. Faraway "Linear Models with R", Chapman and Hall/CRS 2004 Wcześniejsza wersja pt. "Practical Regression and ANOVA using R" - www.r-project.org.)
Witryna www przedmiotu:
brak
Uwagi:
.

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Efekt SFU_W01
Zna zagadnienia regresji liniowej, analizę wariancji, składowych głównych, zagadnienia dyskryminacji, metody Monte Carlo
Weryfikacja: egzamin
Powiązane efekty kierunkowe: M2MUF_W08
Powiązane efekty obszarowe:

Profil ogólnoakademicki - umiejętności

Efekt SFU_U01
Potrafi przeprowadzić analizę regresyjnych zależności liniowych i analizę adekwatności postulowanego modelu.
Weryfikacja: Kolokwium, Projekt, Egzamin
Powiązane efekty kierunkowe: M2MUF_U06
Powiązane efekty obszarowe:
Efekt SFU_U02
Posiada umiejętność analizy zależności dla różnych typów zmiennych losowych. Potrafi wykorzystywać techniki symulacyjne w statystycznej analizie danych.
Weryfikacja: Kolokwium, Projekt, Egzamin
Powiązane efekty kierunkowe: M2MUF_U07
Powiązane efekty obszarowe:

Profil ogólnoakademicki - kompetencje społeczne

Efekt SFU_K01
Rozumie potrzebę uczenia się przez całe życie, potrafi inspirować i organizować proces uczenia się innych osób.
Weryfikacja: Kolokwium, Projekt, Egzamin
Powiązane efekty kierunkowe: M2MUF_K01
Powiązane efekty obszarowe: