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 ponadgimnazjalnej oraz podstawowe umiejętności korzystania z arkusza kalkulacyjnego.

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:

1. Zajęcia organizacyjne.

2. Analiza statystyczna zbiorowości statystycznej. Miary położenia, miary zmienności (rozproszenia, dyspersji), miary asymetrii (skośności), miary skupienia (koncentracji). Sposoby obliczania miar dla szeregu szczegółowego prostego.

3. Szereg szczegółowy, wyznaczanie miar położenia, miar zmienności, miar asymetrii oraz miar koncentracji. Rozwiązanie jednego przykładu wraz z omówieniem.

4. Arkusz kalkulacyjny, komórka, blok komórek, wpisywanie danych, wpisywanie formuł, formatowanie tekstu. Podstawowe formuły służące do analizy statystycznej danych szeregu szczegółowego.

5. Doskonalenie umiejętności korzystania z arkusza kalkulacyjnego w przypadku szeregu szczegółowego prostego. Analiza statystyczna - obliczanie średniej arytmetycznej, mediany, modalnej, rozstępu, odchylenia standardowego, współczynnika zmienności, współczynnika asymetrii oraz kurtozy.

6. Wyznaczanie miar położenia, dyspersji, asymetrii i skupienia dla szeregu rozdzielczego punktowego. Wykorzystanie w tym celu arkusza kalkulacyjnego. Interpretacja wyników.

7. Wyznaczanie miar położenia, dyspersji, asymetrii i skupienia dla szeregu rozdzielczego przedziałowego. Wykorzystanie w tym celu arkusza kalkulacyjnego. Interpretacja wyników.

8. Analiza danych statystycznych - działanie na danych rzeczywistych. Ile jesteśmy w stanie wyciągnąć z danych? Jak uzupełniać, wzbogacać zebrane dane.

9. Badania własne - analiza danych, jak dobrze zaprezentować wyniki badań własnych cz. 1.

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

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

12 Test zgodności, test chi kwadrat dla dwóch niezależnych próbek, test istotności zmian McNemara (uwaga do tych testów potrzebna jest tablica chi-kwadrat).

13. Obliczanie współczynnika korelacji rang Spearmanna dla małych próbek. Test U-Manna-Whitneya.

14. Badania własne - analiza danych, jak dobrze zaprezentować wyniki badań własnych cz. 2.

15. Podsumowanie zajęć.

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 100 punktów. Ocena końcowa jest uzależniona od liczby zdobytych punktów, punktacja poniżej:

(50,60> dostateczny

(60,70> dostarczony plus

(70,80> dobry

(80,90> doby plus

(90,100> bardzo dobry

Praktyki zawodowe:

Nie dotyczy.

Zajęcia w cyklu "Semestr letni 2021/22" (zakończony)

Okres: 2022-02-21 - 2022-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin więcej informacji
Koordynatorzy: Beata Stachowiak-Panske
Prowadzący grup: Beata Stachowiak-Panske
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Laboratorium - Zaliczenie na ocenę

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" (w trakcie)

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
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 USOSweb 7.0.2.0-1 (2024-03-12)