Podstawy statystycznego modelowania danych

Student po kursie zna podstawowe metody dyskryminacyjne i potrafi je wykonać w pakiecie statystycznym R. Dodatkowo ma ugruntowaną wiedzę z zakresu modelowania liniowego i nieliniowego.

Kurs dotyczy praktycznych aspektów modelowania danych z wykorzystaniem pakietu R. Obejmuje najważniejsze metody analizy dyskryminacyjnej oraz metody analizy regresji, analizę składowych głównych, analizę czynnikową, analizę składowych niezależnych oraz metody analizy skupień. Omówione zostaną związki łączące metody statystyczne ze sztucznymi sieciami neuronowymi oraz wprowadzone zostaną najważniejsze kryteria wyboru modelu.

1. J. Koronacki i J. Ćwik "Statystyczne systemy uczące się". Wydawnictwo Naukowo-Techniczne, 2005.

2. J. Koronacki i J. Mielniczuk "Statystyka dla studentów kierunków technicznych i przyrodniczych". Wydawnictwo Naukowo-Techniczne, 2006.

Po ukończeniu przedmiotu w zakresie wiedzy: Student posiada podstawową wiedzę z zakresu modeli liniowych i nieliniowych oraz analizy wariancji. Zna najważniejsze metody klasyfikacji oraz kryteria służące do wyboru właściwego modelu./Efekty sprawdzane na ćwiczeniach i wykładach./BI_P6S_WG06, BI_P6S_WG08, BI_1A_W10, BI_P6S_WG11,/,/ ; w zakresie umięjętności: Student potrafi samodzielnie przeprowadzić analizę danych z wykorzystaniem pakietu R. BI_P6S_UW01,Student umie zastosować właściwą metodę klasyfikacji, wybrać właściwy model w oparciu o poznane kryteria. BI_P6S_UW08,Student potrafi wyciągnąć i sformułować odpowiednie wnioski. BI_P6S_UW06 ; w zakresie kompetencji społecznych: Student jest odpowiedzialny za bezpieczeństwo pracy własnej i innych; umie postępować w stanach zagrożenia BI_P6S_KO04, ,

Zaliczenie wykładu i ćwiczeń na podstawie dwóch kolokwium obejmujących podstawową teorię wyłożoną na kursie i część praktyczną z ćwiczeń. Na zaliczenie każdego kolokwium trzeba zdobyć przynajmniej 50% punktów.