Polityka obsługi "cookies" na stronach UW
Projekt realizowany przez Uniwersytet Warszawski
Strona głównaOfertaNauka & TechnikaStatystyka Bayesowska w R

Statystyka Bayesowska w R

Dane kursu

Numer kursu: B/2784
Dziedzina wiedzy: Nauka & Technika
Liczba godzin: 30
Jednostki
odpowiedzialne:
Wydział Nauk Ekonomicznych
Autorzy kursu: mgr Piotr Ćwiakowski
mgr Paulina Szymańska-Rożek
Rodzaj zajęć: laboratoria

Grupy

Numer grupy:B/2784/1
Trymestr:III/2016/2017
Prowadzący:mgr Piotr Ćwiakowski
mgr Paulina Szymańska-Rożek
Cena:400.00 zł
Terminy: od 12-06-2017 do 30-06-2017
Lokalizacja:Ul.Długa.
Zajęcia: zwiń
lp.datarozpoczęciezakończenieprzerwa
112-06-2017
poniedziałek
16:0020:0015
219-06-2017
poniedziałek
16:0020:0015
321-06-2017
środa
16:0020:0015
423-06-2017
piątek
16:0020:0015
528-06-2017
środa
16:0020:0015
630-06-2017
piątek
16:0020:0015

Opis kursu

Osoby biegłe w statystycznej analizie danych, zwanej "Data Science" należą do najbardziej pożądanej przez pracodawców grupy zawodowej. Wśród najważniejszych umiejętności data scientist jest znajomość statystyki i narzędzi data mining. Kurs skupia się na coraz ważniejszym wycinku Data Science - analizie z wykorzystaniem podejścia bayesowskiego. Podejście to jest szeroko wykorzystywane w medycynie, ekonometrii i coraz częściej również w zastosowaniach biznesowych. Zalety analizy bayesowskiej: elastyczność w modelowaniu, efektywność wykorzystywania informacji, pozwala skupić uwagę na modelowaniu zjawisk i wyciąganiu poprawnych wniosków. 

Dzięki tym zajęciom Słuchacz poszerzy swoje kompetencje w zakresie budowania modeli statystycznych i myślenia o zjawiskach w sposób analityczny. Znajomość podejścia bayesowskiego oraz programu R może stać się atutem w rozmowie z pracodawcą i wyróżniać analityka na rynku pracy. 

Kurs prowadzony jest od podstaw. Wcześniejsza znajomość programu R lub statystyki matematycznej nie jest wymagana. Wiedza teoretyczna wykładana jest powoli, w sposób intuicyjny i z minimalną ilością wzorów matematycznych. Na zajęciach Słuchacz poznaje praktyczne zastosowania statystyki bayesowskiej w modelowaniu zjawisk.

Szczegółowy harmonogram zajęć:

  1. Wprowadzenie do środowiska R:
    • podstawy języka R,
    • obiekty i typy danych w R,
    • składnia poleceń.
  2. Elementy rachunku prawdopodobieństwa:
    • pojęcie przestrzeni probabilistycznej, zdarzenia, prawdopodobieństwa,
    • pojęcie zmiennej losowej, dystrybuanty, gęstości, rozkładu,
    • przegląd popularnie wykorzystywanych rozkładów statystycznych.
  3. Twierdzenie Bayesa:
    • prawdopodobieństwo warunkowe,
    • prawdopodobieństwo całkowite,
    • twierdzenie Bayesa i jego implikacje w statystyce.
  4. Wnioskowanie statystyczne:
    • estymacja punktowa i przedziałowa,
    • weryfikacja hipotez - podejście klasyczne i bayesowskie,
    • wnioskowanie statystyczne dla modeli baysowskich.
  5. Modele w ujęciu Bayesowskim:
    • model regresji liniowej,
    • model regresji logistycznej,
    • model regresji Poissona,
    • analiza sieci bayesowskich.

Cel ogólny

Zapoznanie Słuchaczy z alternatywnym podejściem do analizy danych statystycznych, jakim jest statystyka bayesowska. Kurs kładzie nacisk na nauczenie praktycznego wykorzystywania wymienionych metod, dlatego wszystkie zajęcia będą odbywały się w formie interaktywnych warsztatów, w sali komputerowej.

Cele szczegółowe

  • poznanie metodologii statystyki bayesowskiej, w tym rozpoznanie różnic pomiędzy podejściem klasycznym i bayesowskim,
  • poznanie zaawansowanych zagadnień z dziedziny rachunku prawdopodobieństwa,
  • nabycie przez Słuchaczy umiejętności formułowania i testowania hipotez statycznych w podejściu bayesowskim,
  • nabycie przez Słuchaczy umiejętności budowania i interpretacji wyników modeli ekonometrycznych w podejściu bayesowskim.

Korzyści dla słuchacza

Słuchacz:

  • uzyskał w stopniu pogłębionym wiedzę o rachunku prawdopodobieństwa i statystyce matematycznej,
  • uzyskał umiejętności posługiwania się metodologią statystyki bayesowskiej,
  • zna i potrafi testować hipotezy w podejściu bayesowskim w modelach statystycznych i ekonometrycznych,
  • potrafi wykorzystać program R do statystycznej analizy danych.

Metody pracy

  • wykład (prezentacja zagadnień teoretycznych i ich przedstawienie w praktyce), w programie R,
  • praca własna Słuchaczy w laboratorium komputerowym (rozwiązywanie zadań pod kierunkiem Wykładowcy i wspólne analizowanie wyników).

Metody weryfikacji efektów kształcenia

Egzamin (dla chętnych), ciągła ocena nabytej wiedzy i umiejętności poprzez rozwiązywanie zadań podczas zajęć, ankiety.



do góry ↑