Statistics I (pl. Statystyka I, ch. 統計學(一))

– a series of 15 2-hour lectures and a 2-hour laboratory (BA, ENG studies) covering the basic issues of descriptive statistics including: univariate, bivariate, multivariate and time series analysis. We also consider the technical aspects of these analyzes for individual, aggregated data, including both quantitative (measurable) and qualitative (non-measurable) data.

Course resources are available: here.

 

 

Statistics II – (pl. Statystyka II, Statystyka matematyczna, eng. Mathematical Statistics, ch. 統計學(二)) – parametric and nonparametric inferential methods. This course is an introduction to the theory and application of mathematical statistics. After a brief introduction to the concepts of inferential statistics, the emphasis is on probability theory and its applications. Topics covered include sample spaces, random variables, Chebyshev’s Theorem, discrete and continuous probability distributions, mathematical expectation, hypothesis testing, and multivariate distributions.

Course resources are available: here.

Descriptive Statistics – This is an introductory undergraduate statistics course, with an added twist of modeling for students of interfaculty field of study “Data Engineering”. It is also intentionally devised to be sequential, with each new piece building on the previous topics. Once completed, students should feel comfortable using basic statistical techniques to answer their own questions about their own data, using a widely available statistical software package (R).

Course resources are available: here.

Mathematical Statistics – (pl. Statystyka II, Statystyka matematyczna, eng. Mathematical Statistics, ch. 統計學(二)) – parametric and nonparametric inferential methods. This course is an introduction to the theory and application of mathematical statistics. After a brief introduction to the concepts of inferential statistics, the emphasis is on probability theory and its applications. Topics covered include sample spaces, random variables, Chebyshev’s Theorem, discrete and continuous probability distributions, mathematical expectation, hypothesis testing, and multivariate distributions.

Course resources are available: here.

Statystyka opisowa – cykl wykładów oraz laboratoriów (studia I stopnia). Obejmuje on podstawowe zagadnienia z zakresu zbierania, opracowywania, analizy oraz prezentacji danych zarówno jakościowych jak i ilościowych; narzędzia do wizualizacji danych; graficzne sposoby prezentacji danych; klasyczne oraz niestandardowe metody prezentacji danych; elementy statystyki przestrzennej; analizę korelacji liniowej, nieliniowej, przestrzennej; analizę szeregów czasowych; wybrane metody analizy wielowymiarowej.

Materiały do zajęć: tutaj

Statystyka matematyczna – (pl. Statystyka II, eng. Mathematical Statistics, ch. 統計學(二)) – wykład oraz laboratoria i ćwiczenia – parametryczne oraz nieparametryczne metody wnioskowania statystycznego.  Ten kurs jest pełen teorii oraz aplikacji metod statystyki matematycznej. Po krótkim wprowadzeniu (rachunek prawdopodobieństwa, twierdzenia graniczne), przedstawione są metody estymacji i testowania statystycznego. Pracujemy na oprogramowaniu R/R-studio.

Materiały do zajęć: tutaj.

Statystyka społeczna – metody analizy ilościowej społecznych skutków procesów ekonomicznych i demograficznych oraz polityki państwa. Na zajęciach omawiamy istotę statystycznych badań zjawisk społecznych, skupiając się na metodach pomiaru: zmian demograficznych, poziomu i jakości życia, dochodów i konsumpcji, ubóstwa i wykluczenia społecznego, rynku pracy, zdrowia i nierówności społecznych w zdrowiu, edukacji, gospodarowania czasem.

Materiały do zajęć – tutaj.

 

Statystyka – cykl 15 3-godzinnych zajęć (studia inżynierskie) w formie 1-godzinnego wykładu oraz 2-godzinnych warsztatów dla studentów Wydziału Architektury. Obejmuje on podstawowe zagadnienia z zakresu zbierania, opracowywania, analizy oraz prezentacji danych zarówno jakościowych jak i ilościowych; narzędzia do wizualizacji danych; graficzne sposoby prezentacji danych; klasyczne oraz niestandardowe metody prezentacji danych; elementy statystyki przestrzennej; analizę korelacji liniowej, nieliniowej, przestrzennej; analizę szeregów czasowych; wybrane metody analizy wielowymiarowej.

Materiały do zajęć: tutaj

Analiza danych 

– kurs laboratoryjny ma za zadanie przedstawić uczestnikom główne problemy związane z kolejnymi etapami analizy statystycznej danych oraz sposoby ich rozwiązania. Metody analiz raportowane są za pomocą R-Markdown. Niezbędne jest korzystanie z pakietu R-project wraz z R-studio.

Materiały do zajęć – tutaj.

Nieklasyczne metody statystyki 

– coraz częściej klasyczne metody nie wystarczają do precyzyjnego opracowania i prezentowania wyników różnego typu badań statystycznych. Konieczne staje się korzystanie z metod statystyki nieparametrycznej, statystyki cech jakościowych, metod analizy ankiet itd. Uogólniając, sięgać musimy do nieklasycznych metod wnioskowania statystycznego, tj. metod, które odchodzą od podstawowych założeń modelu statystycznego. Wszystkie te zagadnienia prezentowane są w trakcie wykładów oraz laboratoriów komputerowych, w pewnym sensie uzupełniającym istniejące publikacje zawierające wykład klasycznej statystyki opisowej i matematycznej. Niezbędne jest korzystanie z pakietu R-project lub Statistica 13.

Materiały do zajęć – tutaj.