Informatyka w chemii (+USOS)

Podstawowa wiedza z zakresu zastosowania arkusza kalkulacyjnego, matematyka na poziomie szkoły średniej.

przedmiot obligatoryjny

Godziny realizowane z udziałem nauczycieli ( godz.):

- udział w wykładach – 15 h

- udział w ćwiczeniach – 45 h

Czas poświęcony na pracę indywidualną studenta ( godz.):

- przygotowanie do ćwiczeń – 30 h

- przygotowanie do kolokwiów i egzaminu – 30 h

- przygotowanie projektu – 10 h

- rozwiązanie testów na platformie Moodle - 5 h

- konsultacje i praca z nauczycielem akademickim - 15 h

Łącznie: 150 godz. (6 ECTS)

W1 Zna i rozumie wybrane metody numeryczne stosowane do obliczeń chemicznych K_W03.

W2: Zna i rozumie metody stosowane do analizowania i interpretacji danych statystycznych K_W04.

U1: Posługuje się programem MS Excel oraz IBM SPSS w obliczeniach chemicznych, statystycznych i do generowania wykresów K_U02.

U2: Stosuje wybrane metody statystyczne do analizy danych eksperymentalnych K_U03.

U3: Wykorzystuje wybrane metody numeryczne do rozwiązywania problemów z zakresu nauk ścisłych K_U02.

K1: Ma świadomość konieczności sumiennego i dokładnego wykonania każdego zadania - K_K03.

K2: Identyfikuje poziom swojej wiedzy i umiejętności, potrzebę ciągłego dokształcania się oraz rozwoju osobistego - K_K05.

Wykład:

Wykład informacyjny (konwencjonalny)

Laboratorium:

Ćwiczenia, pogadanka.

- pokaz

- wykład informacyjny (konwencjonalny)
- wykład konwersatoryjny

- ćwiczeniowa
- laboratoryjna

Celem przedmiotu jest nabycie teoretycznych wiadomości i praktycznych umiejętności pozwalających na samodzielne korzystanie z komputerów w zakresie analizy i interpretacji wyników doświadczeń, planowania doświadczeń i symulacji prostych procesów chemicznych oraz wykonywania prostych obliczeń numerycznych.

Wykład:

Nabycie teoretycznych wiadomości dotyczących analizy i interpretacji wyników doświadczeń, planowania doświadczeń i symulacji procesów chemicznych oraz wykonywania prostych obliczeń numerycznych.

Tematyka wykładów:

1. Uniwersytecki System Obsługi Studiów (USOS) - podstawowe właściwości i zastosowanie.

2. Wykład wprowadzający (zasady zaliczenia przedmiotu, zakres materiału, zadania na pracowni, literatura, przykład testu egzaminacyjnego).

3. Wprowadzenie do statystycznej oceny wyników doświadczeń (zasady projektowania i oceny algorytmów, błąd systematyczny, błąd przypadkowy, dokładność, precyzja, liczby znaczące, liczność, średnia, odchylenie standardowe, niepewność standardowa, przedział ufności średniej arytmetycznej).

4. Wyrażanie niepewności pomiarowych (błąd a niepewność, powielanie niepewności, zasada oceny niepewności, ogólne zasady rysowania wykresów).

5. Analiza regresji - regresja liniowa (metoda najmniejszych kwadratów, regresja ważona, współczynnik korelacji i determinacji, błąd standardowy, odchylenia standardowe dla współczynników regresji, zakres stosowania, odchylenie standardowe wartości prognozowanej).

6. Analiza regresji - analiza reszt, źródła wariancji, transformacja linearyzująca.

7. Regresja nieliniowa i liniowa regresja wielokrotna (podstawy, wielomiany w analizie regresji, zakres stosowania wielomianów, model, współczynniki, wariancja, analiza reszt, redukcja modelu, krokowe procedury wyboru zmiennych).

8. Całkowanie numeryczne (całka i jej interpretacja geometryczna, metoda prostokątów, metoda trapezów, metoda Simpsona, algorytm, ocena błędu, metoda Gaussa–Legandre'a, zasada, przeznaczenie).

9. Numeryczne rozwiązywanie równań różniczkowych (metoda Rungego–Kutty, algorytm, ocena błędu, metoda Milne'a (predyktor–korektor) algorytm, ocena błędu, przykłady zastosowań).

10. Rozwiązywanie równań algebraicznych (metoda połowienia odcinka (bisekcji), metoda siecznych (regula falsi), metoda stycznych (Newtona-Raphsona), algorytmy, przykłady zastosowania).

11. Rozwiązywanie układów równań liniowych i nieliniowych -podstawy rachunku macierzowego, metoda Cramera, metoda Gaussa-Seidla, metoda Gaussa-Jordana, metoda Newtona-Raphsona.

12. Interpolacja i różniczkowanie numeryczne, różnice i ilorazy różnicowe, wielomian interpolacyjny Newtona.

13. Optymalizacja i planowanie doświadczeń (planowanie eksperymentów, optymalność planu, zasady tworzenia modelu regresyjnego, plany czynnikowe, metody optymalizacji).

14. Metody optymalizacji, metoda sympleksowa, algorytm, reguły, optymalizacja metodą Neldera-Meada, kryteria optymalizacji.

15. Metody Monte Carlo – całkowanie i symulacja (liczby pseudolosowe, generatory, transformacja rozkładu, całkowanie metodą Monte Carlo przykłady zastosowania).

Laboratorium:

Nabycie praktycznych umiejętności pozwalających na samodzielne korzystanie z komputerów w zakresie analizy i interpretacji wyników doświadczeń, planowania doświadczeń i symulacji procesów chemicznych oraz wykonywania prostych obliczeń numerycznych.

W przypadku ćwiczeń, niezbędne jest posiadanie minimum umiejętności obsługi arkusza kalkulacyjnego MS Excel.

Ćwiczenia z zakresu treści wykładu z wykorzystaniem odpowiednich programów komputerowych (MS Excel, IBM SPSS) poświęcone są następującym zagadnieniom:

1. Statystyka opisowa: wartość średnia, odchylenie standardowe, miary dyspersji – metoda ćwiczeniowa, pogadanka.

2. Zastosowanie regresji liniowej do wyznaczania krzywej kalibracyjnej - metoda ćwiczeniowa, pogadanka.

3. Obliczanie pH mieszaniny dwóch kwasów – zastosowanie dodatku Solver - metoda ćwiczeniowa, pogadanka.

4. Liniowa regresja wielokrotna – metoda ćwiczeniowa, pogadanka.

5. Regresja liniowa – transformacje linearyzujące – metoda ćwiczeniowa, pogadanka.

6. Całkowanie numeryczne: metoda prostokątów, trapezów i Simsona – metoda ćwiczeniowa, pogadanka.

7. Numeryczne metody rozwiązywania równań różniczkowych - metoda ćwiczeniowa, pogadanka.

8. Optymalizacja sympleksowa - metoda ćwiczeniowa, pogadanka.

1. P. Szczepański, Materiały pomocnicze do przedmiotu Zastosowanie informatyki w chemii, Toruń 2012.

2. J. Arendalski, Niepewność pomiarów, Oficyna wydawnicza PW, Warszawa 2006.

3. J. Kornacki, J. Mielniczuk, Statystyka dla studentów kierunków technicznych i przyrodniczych, WNT, Warszawa 2001.

4. W. Ufnalski, K. Mądry, Excel dla chemików... i nie tylko : od podstaw do własnych aplikacji w Visual Basicu, WNT, Warszawa 2000.

5. M. Pilch, Ćwiczenia z Excel dla chemików, PWN-Mikom, Warszawa 2001.

Metody oceniania:

wykład - K_W03, K_W04, K_U02, K_U03

ćwiczenia - K_W03, K_W04, K_U02, K_U03

Kryteria oceniania:

Wykład: np. egzamin pisemny w formie testu; wymagany próg na ocenę dostateczną - 50%, 61% - dostateczny plus, 66% - dobry, 76% - dobry plus, 81% - bardzo dobry.

Ćwiczenia: np. zaliczenie na ocenę na podstawie wykonanych ćwiczeń laboratoryjnych i dwóch kolokwiów śródsemestralnych; wymagany próg na ocenę dostateczną - 50%, 61% - dostateczny plus, 66% - dobry, 76% - dobry plus, 81% - bardzo dobry.

Wykład: egzamin pisemny – K_W03, K_W04, K_U02, K_U03

Laboratorium: - K_W03, K_W04, K_U02, K_U03

Zagadnienia egzaminacyjne:

1. Błąd systematyczny, błąd przypadkowy, dokładność, precyzja, liczby znaczące, liczność, średnia, odchylenie standardowe, niepewność standardowa, przedział ufności średniej arytmetycznej.

2. Błąd a niepewność, powielanie niepewności, zasada oceny niepewności.

3. Podstawy metody najmniejszych kwadratów, regresja ważona, współczynnik korelacji i determinacji, błąd standardowy, odchylenia standardowe dla współczynników regresji, analiza reszt.

4. Transformacja linearyzująca.

5. Liniowa regresja wielokrotna, krokowe procedury wyboru zmiennych.

6. Całkowanie numeryczne: całka i jej interpretacja geometryczna, metoda prostokątów, metoda trapezów, metoda Simpsona, metoda Gaussa-Legandre'a.

7. Numeryczne rozwiązywanie równań różniczkowych: metoda Eulera i Rungego-Kutty.

8. Rozwiązywanie równań algebraicznych: metoda połowienia odcinka (bisekcji), metoda siecznych (reguła falsi), metoda stycznych (Newtona-Raphsona).

9. Rozwiązywanie układów równań liniowych i nieliniowych -podstawy rachunku macierzowego, metoda Cramera, metoda Gaussa-Seidla, metoda Gaussa-Jordana, metoda Newtona-Raphsona.

10. Planowanie eksperymentów, optymalność planu, zasady tworzenia modelu regresyjnego, plany czynnikowe.

11. Metody optymalizacji, metoda sympleksowa, algorytm, reguły, optymalizacja metodą Neldera-Meada, kryteria optymalizacji.

12. Metody Monte Carlo: liczby pseudolosowe, generatory, transformacja rozkładu, całkowanie metodą Monte Carlo.

Nie dotyczy