Uniwersytet Mikołaja Kopernika w Toruniu - Centralny punkt logowania
Strona główna

Analiza danych statystycznych w praktyce

Informacje ogólne

Kod przedmiotu: 2751-BN-S1-1-ADSP
Kod Erasmus / ISCED: (brak danych) / (0542) Statystyka Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Analiza danych statystycznych w praktyce
Jednostka: Wydział Nauk o Polityce i Bezpieczeństwie
Grupy: Bezpieczeństwo narodowe - I stopna - 1 rok - studia stacjonarne - sem. Letni
Strona przedmiotu: https://moodle.umk.pl/course/view.php?id=5036
Punkty ECTS i inne: 2.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: polski
Wymagania wstępne:

Znajomość matematyki na poziomie szkoły ponadpodstawowej oraz podstawowe umiejętności korzystania z arkusza kalkulacyjnego.

Rodzaj przedmiotu:

przedmiot obligatoryjny

Całkowity nakład pracy studenta:

30 godzin - uczestniczenie w zajęciach

15 godzin - rozwiązywanie zadań zaliczeniowych przez studenta

5 godzin - praca własna, przeglądanie stron internetowych

zawierających dane statystyczne itp.

----------------------------------------------------------------------------------------

50 godzin łącznie

Efekty uczenia się - wiedza:

Student zna metody analizy statystycznej - w szerszym niż podstawowym zakresie (tj. potrafi wykonać test statystyczny nieparametryczny - zinterpretować wyniki).


Student zna możliwości i ograniczenia arkuszy kalkulacyjnych w analizie statystycznej.


Student w podstawowym zakresie zna możliwości wybranego zaawansowanego programu statystycznego do analizy statystycznej np. SPSS.

Efekty uczenia się - umiejętności:

Student potrafi wyznaczyć za pomocą arkusza kalkulacyjne wybrane miary: położenia, dyspersji, asymetrii i koncentracji - a następnie zinterpretować wyniki.


Student potrafi wyznaczyć współczynnik korelacji liniowej i zinterpretować wynik.


Student potrafi wskazać możliwości i ograniczenia programów komputerowych.


Student potrafi wykorzystać narzędzia dostępne w arkuszu np. adresowanie względne i bezwzględne w obliczeniach statystycznych.

Efekty uczenia się - kompetencje społeczne:

Student jest gotowy do samodzielnego rozwiązywania problemów, związanych z analizą danych statystycznych.


Student jest gotowy do podejmowania wyzwań intelektualnych, a także samokształcenia.

Metody dydaktyczne:

W czasie zajęć stosowane są głównie metody aktywizujące studenta.

Metody dydaktyczne eksponujące:

- pokaz

Metody dydaktyczne podające:

- pogadanka

Metody dydaktyczne poszukujące:

- ćwiczeniowa
- projektu

Metody dydaktyczne w kształceniu online:

- metody ewaluacyjne
- metody oparte na współpracy

Skrócony opis:

Sposoby prezentacji danych statystycznych. Podstawowe charakterystyki statystyczne: średnia, dominanta, mediana, wariancja, współczynnik zmienności, współczynnik asymetrii, kurtoza i ich interpretacja. Analiza współliniowości. Metody badania korelacji i regresji. Wyznaczanie współczynnika korelacji liniowej Pearsona, współczynnika korelacji rang Spearmana, badanie współzależności między cechami jakościowymi. Nieparametryczne testy statystyczne i ich zastosowania w sytuacjach praktycznych. Zastosowanie Excela w analizie statystycznej, źródła informacji statystycznej w Internecie.

Pełny opis:

- Dane statystyczne dostępne w internecie, pobieranie tych danych na własne potrzeby.

- Arkusz kalkulacyjny, komórka, blok komórek, wpisywanie danych, wpisywanie formuł, formatowanie tekstu. Tworzenie wykresów i diagramów.

- Analiza statystyczna zbiorowości statystycznej. Miary położenia, miary zmienności (rozproszenia, dyspersji), miary asymetrii (skośności), miary skupienia (koncentracji).

- Szereg szczegółowy, wyznaczanie miar położenia, miar zmienności, miar asymetrii oraz miar koncentracji. Metoda tradycyjna i w arkuszu kalkulacyjnym. Interpretacja wyników.

- Szereg rozdzielczy punktowy, wyznaczanie miar położenia, miar zmienności, miar asymetrii oraz miar koncentracji. Metoda tradycyjna i w arkuszu kalkulacyjnym. Interpretacja wyników.

- Szereg rozdzielczy przedziałowy, wyznaczanie miar położenia, miar zmienności, miar asymetrii oraz miar koncentracji. Metoda tradycyjna i w arkuszu kalkulacyjnym. Interpretacja wyników.

- Analiza danych statystycznych - działanie na danych rzeczywistych. Ile jesteśmy w stanie wyciągnąć z danych? Jak uzupełniać, wzbogacać zebrane dane. Badania własne - analiza danych, jak dobrze zaprezentować wyniki badań własnych

- Badanie współzależności między cechami statystycznymi. Współczynnik korelacji liniowej Pearsona. Współczynnik korelacji rang Spearmana.

- Badanie współzależności cech jakościowych (wyznaczanie chi-kwadrat, wyznaczanie współczynnika Yule'a).

- Test zgodności, test chi kwadrat dla dwóch niezależnych próbek, test istotności zmian McNemara (uwaga do tych testów potrzebna jest tablica chi-kwadrat), obliczanie współczynnika korelacji rang Spearmanna dla małych próbek. Test U-Manna-Whitneya (fakultatywne)

Literatura:

Ferguson G., Takane Y., Analiza statystyczna

Podgórski J., Statystyka od podstaw, Warszawa 2002

Malarska A., Statystyka w zadaniach nie tylko dla psychologów i pedagogów, Łódź 1999

Rutkowski T., Statystyka, Poznań 2004

Statystyka. Zbiór zadań, Warszawa 2001

Zeliaś A., Pawełek B., Wanat S., Metody statystyczne. Zadania i sprawdziany, Warszawa 2002

http://www.stat.gov.pl

http://epp.eurostat.ec.europa.eu/

http://eurostat.eu

http://cia.gov

Materiały zamieszczane na kursie moodle.umk.pl

Metody i kryteria oceniania:

Studenci przez cały semestr rozwiązują zadania, maksymalnie mają do zdobycia 80 punktów. Ocena końcowa jest uzależniona od liczby zdobytych punktów, punktacja poniżej:

(40,48> dostateczny

(48,56> dostarczony plus

(56,64> dobry

(64,72> doby plus

(72,80> bardzo dobry

Praktyki zawodowe:

Nie dotyczy.

Zajęcia w cyklu "Semestr letni 2022/23" (zakończony)

Okres: 2023-02-20 - 2023-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Konwersatorium, 15 godzin więcej informacji
Laboratorium, 15 godzin więcej informacji
Koordynatorzy: Beata Stachowiak-Panske
Prowadzący grup: Beata Stachowiak-Panske
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Konwersatorium - Zaliczenie na ocenę
Laboratorium - Zaliczenie na ocenę

Zajęcia w cyklu "Semestr letni 2023/24" (zakończony)

Okres: 2024-02-20 - 2024-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Konwersatorium, 15 godzin więcej informacji
Laboratorium, 15 godzin więcej informacji
Koordynatorzy: Beata Stachowiak-Panske
Prowadzący grup: Beata Stachowiak-Panske
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Konwersatorium - Zaliczenie na ocenę
Laboratorium - Zaliczenie na ocenę

Zajęcia w cyklu "Semestr letni 2024/25" (w trakcie)

Okres: 2025-02-24 - 2025-09-20
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Konwersatorium, 15 godzin więcej informacji
Laboratorium, 15 godzin więcej informacji
Koordynatorzy: Beata Stachowiak-Panske
Prowadzący grup: Beata Stachowiak-Panske
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Konwersatorium - Zaliczenie na ocenę
Laboratorium - Zaliczenie na ocenę
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.
ul. Jurija Gagarina 11, 87-100 Toruń tel: +48 56 611-40-10 https://usosweb.umk.pl/ kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.1.0-7 (2025-03-24)