Statistical inference

General data

Course ID:	WS-SO-WSt
Erasmus code / ISCED:	(unknown) / (unknown)
Course title:	Statistical inference
Name in Polish:	Wnioskowanie statystyczne
Organizational unit:	Institute Sociology
Course groups:
ECTS credit allocation (and other scores):	(not available) Basic information on ECTS credits allocation principles: the annual hourly workload of the student’s work required to achieve the expected learning outcomes for a given stage is 1500-1800h, corresponding to 60 ECTS; the student’s weekly hourly workload is 45 h; 1 ECTS point corresponds to 25-30 hours of student work needed to achieve the assumed learning outcomes; weekly student workload necessary to achieve the assumed learning outcomes allows to obtain 1.5 ECTS; work required to pass the course, which has been assigned 3 ECTS, constitutes 10% of the semester student load. view allocation of credits
Language:	Polish
Subject level:	intermediate
Learning outcome code/codes:	enter learning outcome code/codes
Short description:	(in Polish) Wnioskowanie statystyczne jest zaawansowaną kontynuacją przedmiotu Statystyka Opisowa. Rozpoczyna się od analizy zagadnień związanych z probabilistyką i klasycznymi przykładami rozkładów zmiennych losowych, zagadnień związanych z estymacją przedziałową parametrów rozkładu oraz teorią i praktyką weryfikacji hipotez statystycznych i zaawansowaną analizą funkcji regresji.
Bibliography:	G.Lissowski, J.Haman, M. Jasiński, Podstawy statystyki dla socjologów tom 2, wyd. naukowe SCHOLAR G.Lissowski, J.Haman, M. Jasiński, Podstawy statystyki dla socjologów tom 3, wyd. naukowe SCHOLAR G.Lissowski, J.Haman, M.Jasiński, Podstawy statystyki dla socjologów, wyd. naukowe SCHOLAR, I.Markowicz, K. Wawrzyniak, I. Bąk, M. Mojsiewicz, Statystyka w zadaniach cz. II Statystyka matematyczna, wyd. WNT red. S.Bedyńska, M. Cypryańska, Statystyczny drogowskaz 2, Praktyczne wprowadzenie do analizy wariancji, wyd. SEDNO M. Rószkiewicz, Analiza klienta, wyd. Predictive Solutions, SPSS
Efekty kształcenia i opis ECTS:	(in Polish) 1. (K_W01-S1A_W01) ma podstawową wiedzę z zakresu statystyki, jej działach i relacji do nauk społecznych 2. (K_W02-S1A_W02) ma podstawową wiedzę o różnych rodzajach praw probalistycznych związanych ze zjawiskami i strukturami i instytucjami społecznymi 3. (K_W03-S1A_W03) ma podstawową wiedzę o współzależnościach i ich statystycznego pomiaru między zjawiskami społecznymi w skali mezo i makro 4. (K_W06-S1A_W06) zna metody i narzędzia, w tym techniki pozyskiwania danych statystycznych, pozwalające opisywać struktury i instytucje społeczne oraz procesy w nich i między nimi zachodzące 5. (K_W08-S1A_W08) ma wiedzę o procesach zmian ilościowych struktur i instytucji społecznych oraz ich elementów, o statystycznych predykatorach, przebiegu, skali i konsekwencjach tych zmian 6. (K_U01-S1A_U01) potrafi prawidłowo obliczać i interpretować parametry statystyczne zjawisk społecznych 7. (K_U02-S1A_U02) potrafi wykorzystać podstawową wiedzę teoretyczną i pozyskiwać dane do analizy statystycznej konkretnych procesów i zjawisk społecznych 8. (K_U03-S1A_U03) potrafi statystycznie analizować statystyki, obliczać korelacje konkretnych procesów i zjawisk społecznych 9. (K_U04-S1A_U04) potrafi statystycznie estymować i prognozować procesy i zjawiska społeczne z wykorzystaniem standardowych metod statystycznych 10. (K_U06-S1A_U06) wykorzystuje zdobytą wiedzę z zakresu statystyki do rozstrzygania problemówe badawczych z zakresu badań nauk społecznych 11. (K_K01-S1A_K01) rozumie potrzebę uczenia się przez całe życie oraz łączenia empirii socjologicznej ze statystyczną weryfikacją hipotez badawczych i estymacją wyników na populacje generalną 12. (K_K02-S1A_K02) potrafi przygotować i przeprowadzić pomiar, obliczenia i estymacje statystyczną w zespole wraz z podziałem zadań w zespole
Assessment methods and assessment criteria:	(in Polish) Wykład prowadzony jest metodą klasyczną z zastosowaniem nowoczesnych technologii oraz elementami pracy grupowej. Część zajęć może odbywać się zdalnie z zastosowaniem platformy moodle; zajęcia mogą odbywać się z zastosowaniem metody tutoringu. Podstawą oceny jest pisemny egzamin końcowy. Warunkiem przystąpienia do egzaminu jest wcześniejsze zaliczenie ćwiczeń oraz obowiązkowa obecność na zajęciach (dopuszczalne są dwie nieobecności). Zaliczenie uzyskuje się poprzez zdobycie min. 60% maksymalnej liczby punktów.

This course is not currently offered.

Course descriptions are protected by copyright.
Copyright by Cardinal Stefan Wyszynski University in Warsaw.