Statystyka i Analiza Danych

Oceny

Materiały do zajęć

Zasady zaliczania

Na ocenę końcową będą się składać następujące elementy:

  • Wejściówki i tutoriale. Wejściówki pojawiają się na większości zajęć. Składają się z krótkich zadań lub pytań obejmujących materiał omawiany na poprzednich zajęciach. Nie ma możliwości poprawiania wejściówek, nieusprawiedliwiona nieobecność na zajęciach to 0 punktów. Podczas obliczania oceny końcowej zostaną wyłączone dwa najgorsze wyniki z wejściówek oraz ewentualne zera wynikające z nieobecności usprawiedliwionej. Do wykonania będą również dwa krótkie tutoriale z R na platformie DataCamp. Czas na wykonanie każdego z nich to tydzień.
  • Zadania domowe. Do wykonania będzie zadanie dotyczące testowania hipotez. Czas wykonania zadania to dwa tygodnie, potem za każdy dzień opóźnienia od oceny będzie odejmowane 10 punktów procentowych.
  • Kolokwia na wykładzie. W skład oceny końcowej wchodzi też średnia z ocen z dwóch kolokwiów, które będą do napisania na wykładzie.

Wagi tych elementów to:

  • wejściówki+tutoriale: 0.4
  • zadanie domowe: 0.15
  • ocena z kolokwiów: 0.45

Wstępny harmonogram

Poniżej wstępny harmonogram zajęć. Kolejność i liczba zajęć może ulec zmianie w trakcie semestru.

Data Temat Zadanie Kolokwium
05.03.21 Grupowanie i histogramy Tutorial R
12.03.21 Wprowadzenie do R Tutorial R 2
19.03.21 Statystyka opisowa
26.03.21 Rozkłady prawdopodobieństwa
09.04.21 Estymacja punktowa i przedziałowa
16.04.21 Testy frakcji
23.04.21 Testy t i Z
30.04.21 Testy dwóch populacji Test I
07.05.21 Korelacja i regresja
14.05.21 Korelacja i regresja II
21.05.21 Analiza danych jakościowych
28.05.21 Testy nieparametryczne Zadanie domowe
11.06.21 Dodatkowy temat/konsultacje
18.06.20 Dodatkowy temat/konsultacje Test II

Podziękowania dla platformy DataCamp za udzielenie pełnego dostępu do kursów na czas trwania semestru. Przez najbliższe 6 miesięcy dla naszej grupy dostępne będzie ponad 100 kursów umożliwiających naukę R, Pythona oraz SQLa i obejmujących tematy takie jak import danych, wizualizacja danych i uczenie maszynowe.