Uniwersytet Mikołaja Kopernika w Toruniu - Centralny punkt logowaniaNie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Analiza danych statystycznych w praktyce

Informacje ogólne

Kod przedmiotu: 2751-BN-S1-2-ADSP Kod Erasmus / ISCED: (brak danych) / (0542) Statystyka
Nazwa przedmiotu: Analiza danych statystycznych w praktyce
Jednostka: Wydział Nauk o Polityce i Bezpieczeństwie
Grupy: Bezpieczeństwo narodowe - I stopna - 2 rok - studia stacjonarne - sem. Letni
Strona przedmiotu: https://moodle.umk.pl/WNOPIB/course/view.php?id=503
Punkty ECTS i inne: 1.50
Język prowadzenia: polski
Wymagania wstępne:

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

Całkowity nakład pracy studenta:

15 godzin - uczestniczenie w zajęciach

5 godzin - praca własna studenta/czytanie tekstów/wyszukiwanie informacji

15 godzin - rozwiązywanie zadań zaliczeniowych przez studenta

5 godzin - konsultacje z prowadzącym zajęcia

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

40 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 w kształceniu online:

- metody ewaluacyjne
- metody odnoszące się do autentycznych lub fikcyjnych sytuacji
- metody rozwijające refleksyjne myślenie

Skrócony opis:

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

Pełny opis:

1. Zajęcia organizacyjne. Analiza statystyczna zbiorowości statystycznej. Miary położenia, miary zmienności (rozproszenia, dyspersji), miary asymetrii (skośności), miary skupienia (koncentracji). Sposoby obliczania miar dla szeregu szczegółowego prostego. Arkusz kalkulacyjny, komórka, blok komórek, wpisywanie danych, wpisywanie formuł, formatowanie tekstu.

2. Szereg szczegółowy. Rozwiązanie jednego przykładu wraz z omówieniem. Podstawowe formuły służące do analizy statystycznej danych szeregu szczegółowego.

3. Szereg rozdzielczy punktowy. Rozwiązanie jednego przykładu wraz z omówieniem. Podstawowe formuły służące do analizy statystycznej danych szeregu szczegółowego.

4. Szereg rozdzielczy przedziałowy. Rozwiązanie jednego przykładu wraz z omówieniem.

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

6. Badania własne - analiza danych, jak dobrze zaprezentować wyniki badań własnych.

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

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

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 2020/21" (w trakcie)

Okres: 2021-02-22 - 2021-09-20
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 15 godzin więcej informacji
Koordynatorzy: Beata Stachowiak-Panske
Prowadzący grup: Beata Stachowiak-Panske
Strona przedmiotu: https://moodle.umk.pl/WNOPIB/course/view.php?id=503
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - 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.