Wnioskowanie Statystyczne - wykład
Z Brain-wiki
Wersja z dnia 14:07, 26 lut 2021 autorstwa Atartas (dyskusja | edycje) (→zasady zaliczenia przedmiotu)
Wnioskowanie statystyczne (wykład)
UWAGA: wymagane zaliczenie Technologii Informacyjnych i Komunikacyjnych z ćwiczeniami z programowania w Pythonie w wymiarze 45 godzin ćwiczeń
Całość podręcznika jest udostępniona na licencji Creative Commons Uznanie autorstwa-Na tych samych zasadach 3.0 Polska.
Autor: Piotr Durka.
zasady zaliczenia przedmiotu
Punktacja ćwiczeń:
- Kartkówki (20 pkt) 4 kartkówki po 5 pkt w trakcie semestru
- zakres: zmienne losowe, przedziały ufności, testowanie hipotez
- Kolokwium (20 pkt)
- data: 17.05.2021, w godz. 9:00 - 12:00
- zakres: zmienne losowe, przedziały ufności, testowanie hipotez
- Projekt (10 pkt)
- kod do napisania i indywidualnej obrony u prowadzącego (kod należy wysłać, a następnie umówić się indywidualnie na obronę do 22.06.2021)
- zakres: chi2
- propozycje zadań zostaną podane w trakcie semestru
- Obecności
- Obecność na ćwiczeniach jest obowiązkowa. Dopuszczalne są dwie nieusprawiedliwione nieobecności.
Zaliczenie ćwiczeń:
- Minimum 25 pkt łącznie
- Zaliczenie ćwiczeń jest warunkiem koniecznym dopuszczenia do egzaminu z wykładu.
- W przypadku braku uzyskania zaliczenia z ćwiczeń: kolokwium poprawkowe w czerwcu (23.06.2021) lub w sesji jesiennej.
Zaliczenie wykładu: Egzamin pisemny i ustny — szczegóły w zależności od stanu pandemii.
- Jeśli będzie egzamin pisemny, to będzie się składać z dwóch części: pytań zamkniętych jednokrotnego wyboru (analogicznie jak na egzaminie z TI) oraz pytań otwartych, na przykład:
- Sformułuj Centralne Twierdzenie Graniczne.
- Wypisz i przedyskutuj definicje prawdopodobieństwa.
- Wypisz założenia wersji Centralnego Twierdzenia Granicznego, którą można stosunkowo prosto udowodnić (twierdzenie Lindeberga-Levy'ego). Udowodnij lub spróbuj nakreślić szkic dowodu.
- Oblicz wartość oczekiwaną rozkładu równomiernego, określonego na odcinku [0, 2], danego wzorami p(x) = 0,5 dla [math]0\leq x\leq 2[/math] i p(x) = 0 dla x>2 lub x<0.
- Oblicz wariancję rozkładu równomiernego określonego na odcinku [0, 2], danego wzorami p(x) = 0,5 dla [math]0\leq x\leq 2[/math] i p(x) = 0 dla x>2 lub x<0
- Co to jest [math]\chi^2[/math]?
- Wypisz / wyprowadź wzory na wartość oczekiwaną i wariancję rozkładu Poissona.
- Z rozkładu dwumianowego wylicz prawdopodobieństwo, że wśród czworga dzieci będą co najmniej trzy dziewczynki — zakładając, że prawdopodobieństwa urodzenia dziecka każdej płci są równe.
- Testy parametryczne i nieparametryczne: wady, zalety, przykłady.
- Co ma wspólnego poziom istotności testu z poprawką Bonferroniego?
- Co to jest i jak obliczamy moc testu?
- Opisz w punktach (zwięźle i konkretnie) procedurę weryfikacji hipotezy o różnicy średnich dwóch grup wyników [math]\{x_{i}, i=1\dots N$\}[/math] i [math]\{y_{j}, j=1\dots M\}[/math] metodą repróbkowania (resampling).
- Wyprowadź wzór na średnią N pomiarów [math]x_i[/math] o różnych wariancjach [math]\sigma_{i}^2[/math] z metody największej wiarygodności.
- Dany jest zbiór rozłącznych hipotez [math]H_{i}[/math] pokrywających całą przestrzeń zdarzeń [math]\Omega[/math]: [math]\sum_{i}H_{i}=\Omega[/math] oraz prawdopodobieństwa wyniku eksperymentu W w świetle każdej z hipotez [math]H_{i}[/math], czyli [math]P(W\mid H_{i})[/math]. Korzystając z tych oznaczeń, wypisz i wyprowadź twierdzenie Bayesa, czyli wzór na prawdopodobieństwo prawdziwości hipotezy [math]H_{j}[/math] w świetle wyników eksperymentu W.
- Jeśli będzie egzamin ustny, to będzie obejmował tematy omawiane na wykładzie, jak np. powyższe.
- W obu przypadkach na ocenę końcową będą wpływać oceny z zadawanych na bieżąco prac domowych i punkty za aktywność.
W ocenie końcowej będą brane pod uwagę aktywność na zajęciach oraz prace domowe, dostępne na platformie Kampus: [1]
Ocena końcowa z przedmiotu = średnia ocen z ćwiczeń i z wykładu, pod warunkiem zaliczenia ćwiczeń i wykładu.