Wnioskowanie Statystyczne - wykład: Różnice pomiędzy wersjami

Z Brain-wiki
Linia 35: Linia 35:
 
# [[WnioskowanieStatystyczne/Bonferroni|Problem porównań wielokrotnych  -- miejskie legendy i przepowiednie]]
 
# [[WnioskowanieStatystyczne/Bonferroni|Problem porównań wielokrotnych  -- miejskie legendy i przepowiednie]]
 
#
 
#
# [[WnioskowanieStatystyczne/Analiza_wariancji|Analiza wariancji]]
+
## [[WnioskowanieStatystyczne/Analiza_wariancji|Analiza wariancji]]
 
#
 
#
# [[WnioskowanieStatystyczne/Twierdzenie_Bayesa|Twierdzenie Bayesa]]
+
## [[WnioskowanieStatystyczne/Twierdzenie_Bayesa|Twierdzenie Bayesa]]
 
## [[WnioskowanieStatystyczne/Prawdopodobienstwo|Prawdopodobieństwo]]
 
## [[WnioskowanieStatystyczne/Prawdopodobienstwo|Prawdopodobieństwo]]
 
#
 
#
# [[WnioskowanieStatystyczne/Elementy_statystyki_wielowymiarowej|Elementy statystyki wielowymiarowej]]
+
## [[WnioskowanieStatystyczne/Elementy_statystyki_wielowymiarowej|Elementy statystyki wielowymiarowej]]
 
#
 
#
# [[Sztuczne sieci neuronowe (ANN )|Sztuczne sieci neuronowe]]
+
## [[Sztuczne sieci neuronowe (ANN )|Sztuczne sieci neuronowe]]
# [[Algorytmy Genetyczne|Algorytmy Genetyczne]]
+
## [[Algorytmy Genetyczne|Algorytmy Genetyczne]]
  
  

Wersja z 16:00, 27 kwi 2017


Wnioskowanie statystyczne (wykład)

    1. Rozkłady gęstości prawdopodobieństwa
    2. Wariancja, mediana...
    3. Przykładowe rozkłady
    1. Centralne Twierdzenie Graniczne
    1. Wstęp
    2. Teoria klasyczna
    3. Statystyki i estymatory
    1. Weryfikacja hipotez statystycznych
    1. Test t Studenta
    1. Test [math]\chi^2[/math]
    2. Monte Carlo
  1. Testy nieparametryczne
    1. Test serii
    2. Test Wilcoxona-Manna-Whitneya
    1. Testy permutacyjne
    2. Bootstrap
  2. Metoda największej wiarygodności
    1. Regresja liniowa
  3. Problem porównań wielokrotnych -- miejskie legendy i przepowiednie
    1. Analiza wariancji
    1. Twierdzenie Bayesa
    2. Prawdopodobieństwo
    1. Elementy statystyki wielowymiarowej
    1. Sztuczne sieci neuronowe
    2. Algorytmy Genetyczne


Całość podręcznika jest udostępniona na licencji Creative Commons Uznanie autorstwa-Na tych samych zasadach 3.0 Polska. CC-88x31.png Autor: Piotr Durka.

zasady zaliczenia przedmiotu

Punktacja ćwiczeń:

  • 10 wejściówek (po 1 pkt) na początku zajęć
    • materiał obejmuje zagadnienia z poprzednich wykładów i ćwiczeń, wybrane pod kątem najbliższych ćwiczeń
    • polecenia będą obejmować przykładowo naszkicowanie zadanego rozkładu, podania definicji, przeprowadzenia prostego rachunku czy zaproponowania fragmentu kodu
  • 2 kolokwia (po 14 pkt), poniedziałki rano
    • 24.04.17 - zmienne losowe i przedziały ufności
    • 05.06.17 - testowanie hipotez i regresja liniowa
    • możliwość korzystania z własnych notatek i programów
  • 2 projekty (po 6 pkt)
    • do oddania odpowiednio do 10.04.17 i 29.05.17
    • propozycje projektów zostaną podane w trakcie semestru:

Zaliczenie ćwiczeń:

  • Minimum 25 pkt łącznie
  • W tym min. 7 pkt z wejściówek

Zaliczenie ćwiczeń jest warunkiem koniecznym dopuszczenia do egzaminu pisemnego (z wykładu). Możliwe, że dla studentów, którzy uzyskali co najmniej 25 pkt łącznie i co najmniej 4 pkt z wejściówek, konieczna będzie kartkówka poprawkowa (przed egzaminem końcowym) pozwalająca zaliczyć ćwiczenia.

Zaliczenie wykładu:

  • Egzamin pisemny

Ocena końcowa z przedmiotu = średnia ocen z ćwiczeń i z wykładu.