Regresja wielokrotna i analiza kanoniczna

Umiejętność wykonywania obliczeń rachunkowych oraz posługiwania się arkuszem kalkulacyjnych Excel.

Godziny kontaktowe:

Wykład: 10 godz.

Konwersatorium: 12 godz.

Konsultacje: 28 godz.

Łączna liczba godzin z udziałem nauczyciela akademickiego: 50 godz.

Liczba punktów ECTS z udziałem nauczyciela akademickiego: 3

Godziny niekontaktowe (praca własna studenta):

Przygotowanie się do konwersatorium: 12 godz.

Studiowanie literatury przedmiotu: 13 godz.

Przygotowanie się do testu sprawdzającego: 15 godz.

Łączna liczba godzin niekontaktowych 40 godz.

Liczba punktów ECTS za godziny nie kontaktowe 2

Sumaryczna liczba punktów ECTS dla modułu 5

W1, W2, wykład - test sprawdzający, laboratorium - prace zaliczeniowe

U1, U2, U3, U4, U5, wykład - test sprawdzający, laboratorium - prace zaliczeniowe

K1, K2, K3 - obecność i aktywność na zajęciach

Celem przedmiotu jest zapoznanie studentów z zagadnieniami regresji wielokrotnej, regresji logistycznej i probitowej oraz analizy kanonicznej. Przedmiot obejmuje, w szczególności metody budowy wyżej wymienionych modeli regresji oraz ich statystycznej weryfikacji, diagnostykę modeli z wykorzystaniem analizy reszt oraz predykcję punktową i przedziałową wartości zmiennej zależnej na podstawie modelu regresji, a także kryteria selekcji najlepszych modeli oraz koncepcje analizy kanonicznej stanowiącej uogólnienie regresji wielokrotnej na dwie grupy zmiennych.

1. R. Magiera, Modele i metody statystyki matematycznej, cz. 2, Oficyna Wydawnicza GiS, Wrocław 2007.

2. D. T. Larose, Metody i modele eksploatacji danych, PWN, Warszawa 2008.

3. J. Greń, Statystyka matematyczna. Modele i zadania., PWN, Warszawa 1984.

4. A. Stanisz, Przystępny kurs statystyki z zastosowaniem STATISTICA PL na przykładach z medycyny, tom 2 i tom 3, StatSoft, Kraków 2007.

5. W. Krysicki, J. Bartos, W. Dyczka, K. Królikowska, M. Wasilewski, Rachunek prawdopodobieństwa i statystyka matematyczna w zadaniach, cz 2, PWN, Warszawa 1998.

6. G. A. Ferguson, Y. Takane, Analiza statystyczna w psychologii i pedagogice, PWN, Warszawa 2004.

7. M. Dobosz, Wspomagana komputerowo statystyczna analiza wyników badań, Akademicka Oficyna Wydawnicza, Warszawa 2004.

8. Elektroniczny Podręcznik Statystyki PL, StatSoft, Kraków 2006.

9. http://www.statsoft.pl/textbook/stathome.html [16.09.2009].

WIEDZA

W1. Ma wiedzę na temat budowy modeli regresji wielokrotnej liniowej i krzywoliniowej (K_W10)

W2. Ma wiedzę na temat możliwości modelowania związku pomiędzy dwiema ilościowymi zmiennymi wielowymiarowymi tj. zna istotę, znaczenie i możliwości zastosowania analizy kanonicznej (K_W10)

UMIEJĘTNOŚCI

U1. Potrafi posługiwać się wybranymi technikami budowy modeli regresji wielokrotnej liniowej i krzywoliniowej (K_U09)

U2. Potrafi przeprowadzić diagnostykę modelu z wykorzystaniem analizy reszt regresyjnych (K_U12)

U3. Potrafi przeprowadzić predykcję w oparciu o zbudowany model (K_U13)

U4. Umie stosować metody analizy kanonicznej do badania związku pomiędzy dwoma zbiorami zmiennych ilościowych (K_U14)

U5. Umie wykorzystać programy komputerowe w zakresie analizy danych (K_U23)

KOMPETENCJE

K1. Potrafi precyzyjnie formułować pytania, służące pogłębieniu własnego zrozumienia danego tematu lub odnalezieniu brakujących elementów rozumowania (K_K02)

K2. Ma świadomość ograniczenia poziomu swojej wiedzy i umiejętności, dokonuje samooceny własnych kompetencji i doskonali umiejętności, wyznacza kierunki własnego rozwoju i kształcenia (K_K03)

K3. Rozumie potrzebę popularnego przedstawiania laikom wybranych osiągnięć matematyki wyższej (K_K04)