Statystyka komputerowa 510-IS1-3SK-23
Profil studiów: ogólnoakademicki
Forma studiów: stacjonarne
Rodzaj przedmiotu: fakultatywny
Dziedzina: nauki ścisłe i przyrodnicze, dyscyplina: informatyka
Rok studiów / semestr: 3 /
Wymagania wstępne (tzw. sekwencyjny system zajęć i egzaminów): -
Przedmioty wprowadzające: Metody probabilistyczne i statystyka
Wykład: 15 godz.
Laboratorium: 30 godz.
Metody dydaktyczne: wykład, laboratorium
Punkty ECTS: 4
Bilans nakładu pracy studenta:
Udział w zajęciach:
- wykład 15 godz.
- laboratorium 30 godz.
Przygotowanie do zajęć: 8 godz.
Zapoznanie z literaturą: 4 godz.
Sprawozdania, raporty z zajęć, prace domowe: 18 godz.
Przygotowanie do zaliczenia laboratorium: 8 godz.
Przygotowanie do egzaminu: 8 godz.
Czas trwania egzaminu: 2 godz.
Udział w konsultacjach: 6 godz.
Wskaźniki ilościowe:
- nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela: 53 godz, 2.1 ECTS
- nakład pracy studenta, który nie wymaga bezpośredniego udziału nauczyciela: 46 godz, 1.9 ECTS
Rodzaj przedmiotu
Założenia (lista przedmiotów)
Założenia (opisowo)
Koordynatorzy przedmiotu
Efekty kształcenia
(Wiedza) Student zna fundamentalne:
- pojęcia, definicje i twierdzenia z zakresu statystyki oraz rozumie ich podbudowę analityczna i algebraiczną - KP6_WG2.
- zastosowania środowiska R w statystycznej obróbce i analizie danych - KP6_WG4.
(Umiejętności) Student potrafi:
- analizować problemy statystyczne i znajdować ich rozwiązanie - KP6_UW3.
- wybrać odpowiednią metodę statystyczną do analizy danych różnego typu - KP6_UW3.
- wykonać prawidłowo analizę danych w środowisku R - KP6_UW3, KP6_UW7, KP6_UW21.
- systematycznie uzupełniać swoja wiedzę z zakresu statystycznej analizy danych w środowisku R - KP6_UU1.
(Kompetencje społeczne) Student:
- kreatywnie rozwiązuje problemy związane z statystyczną obróbką i analizą danych w środowisku R - KP6_KO1.
Kryteria oceniania
Ogólna forma zaliczenia: egzamin.
Laboratorium - kolokwia lub projekt/sprawozdania z zajęć.
Literatura
1. Gągolewski M., Programowanie w języku R. Analiza danych, obliczenia, symulacje, Wydawnictwo Naukowe PWN, 2016, wyd. 2.
2. Wickham H., Advanced R, Chapman & Hall’s R Series, 2019 (książka dostępna na stronie https://adv-r.hadley.nz/) [dostęp 2026-04-08].
3. Grosser M., Bumann H., Wickham H., Advanced R Solutions (książka dostępna na stronie https://advanced-r-solutions.rbind.io/) [dostęp 2026-04-08].
4. Gillespie C., Lovelace R., Efficient R Programming, O’Reilly (książka dostępna na stronie https://csgillespie.github.io/efficientR/index.html) [dostęp 2026-04-08].
5. Grolemund G., Hands-On Programming with R, O’Reilly (książka dostępna na stronie https://rstudio-education.github.io/hopr/index.html) [dostęp 2026-04-08].
6. Black K., R Tutorial, https://www.cyclismo.org/tutorial/R/index.html [dostęp 2026-04-08].
7. strona https://bookdown.org/ zawierająca wiele książek i skryptów na zasadach wolnego dostępu [dostęp 2026-05-06].
8. seria Use R! wydawana przez Springer dostępna dla studentów ze strony Biblioteki Głównej UwB.
9. Nowosad J., Elementarz programisty Wstęp do programowania używając R, Poznań: Space A., 2020 Online: https://nowosad.github.io/elp/index.html [dostęp 2025-05-06].
10. Dokumentacja techniczna pakietów bibliotecznych środowiska R dostępna np. pod adresem https://ftp.gwdg.de/pub/misc/cran/
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: