ADATELEMZÉS ANYAGMÉRNŐK NAPPALI MSc KÉPZÉS TANTÁRGYI KOMMUNIKÁCIÓS DOSSZIÉ MISKOLCI EGYETEM MŰSZAKI ANYAGTUDOMÁNYI KAR KÉMIAI INTÉZET Miskolc, 2014.
Tartalom jegyzék 1. Tantárgyleírás, tárgyjegyző, óraszám, kreditérték 2. Tantárgytematika (órára lebontva) 3. Beszámoló témák, a beszámoló módja 4. Egyéb követelmények
1. TANTÁRGYLEÍRÁS A tantárgy/kurzus címe: A tantárgy/kurzus kódja: Képzés: ADATELEMZÉS MAKKEM 262N Anyagmérnök MSc A kurzus típusa: Óraszám/hét: Kreditek száma Előadás 2 + 0 2 Tárgyjegyző és előadó tanár: Dr. Bánhidi Olivér egyetemi docens Intézet/tanszék: Műszaki Anyagtudományi Kar Kémiai Intézet A kurzus státusza a tanulmányi programon belül: Választható tárgy a nappali Anyagmérnök MSc képzésben. A kurzus célja: A mérnöki tevékenység gyakorlása során keletkező mérési adatok, valamint a különböző gyártó-, és mérő rendszerek által szolgáltatott műszaki és egyéb adatok rendezési eljárásainak, a közöttük levő belső összefüggések feltárására szolgáló módszereknek a megismerése.. A kurzus leírása: Az esemény és valószínűség fogalma. A valószínűségi változó, eloszlás, illetve eloszlásfüggvény fogalma, a legismertebb eloszlások és paramétereik és a vizsgálatukhoz használandó statisztikai tesztek. Adatok rendezése, csoportosítása. A várható érték és a megbízhatósági tartomány fogalma, vizsgálata u és t statisztika segítségével. Szórások egyezésének vizsgálata. Szóráselemzés egyszeres és kétszeres osztályozással. Adatok függetlenségének vizsgálata. Nemparaméteres vizsgálati eljárások fogalma, eloszlások vizsgálata nem-paraméteres tesztekkel. Sztochasztikus kapcsolatok és vizsgálatuk. A korreláció és a regresszió fogalma. A trend fogalma és vizsgálatára szolgáló tesztek. Egyváltozós, többváltozós regresszió, a regressziós függvény becslésére szolgáló eljárások. A mérések osztályozása, a kalibráció fogalma. A mérőeszközök és mérőberendezések kalibrációja regresszió segítségével. A parciális-legkisebb négyzetek elve és alkalmazása. A főkomponens elemzés fogalma, főkomponens regresszió. A kreditpontok megszerzésének követelményei: Az óralátogatási kötelezettség 66 %, a félév legalább megfelelt minősítés elérése a beszámoló során. Oktatási módszer: Előadás hagyományos módszerrel (tábla), illetve számítógépes projektor segítségével. Az előadások során a hallgatók megismerik a kemometriai szoftverekkel kapcsolatos legfontosabb követelményeket, a segytségükkel történő feladatmegoldás sajátosságait. segítségével oldanak meg feladatokat. Előfeltételek: Anyagmérnök Bsc diploma, alapfokú mérnöki matematikai ismeretek megléte.
Ajánlott irodalom: Vincze István, Varbanova Mária: Nemparaméteres matematikai statisztika, Akadémiai Kiadó Bp., Horvai György szerk.: Sokváltozós adatelemzés (kemometria), Nemzeti Tankönyvkiadó, Bp. Andy Field: Discovering Statistics Using SPSS, Second edition, SAGE Publications Ltd., London, Thousand Oaks, California, New Delhi, 2005. Beszámolási módszer: A beszámoló szóbeli az előzőleg kiadott témajegyzék alapján, tételsorral, osztályozás kiválóan megfelelt (5), megfelelt (3) és nem felelt meg (1) minősítéssel. Kell-e jelentkezni a kurzusra: Igen, a félév kezdeti előtti regisztrációs héten, a NEPTUN rendszeren.
2. TANTÁRGYTEMATIKA Tantárgytematika (ütemterv) Adatelemzés, Anyagmérnök, nappali MSc képzés választható tárgy, 2 e + 0 gy. hét dátum előadás gyakorlat 1. Eseményalgebra, események valószínűsége 2. Valószínűségi változó, eloszlás, eloszlásfüggvény fogalma, paraméterei, a várható érték, szórás, diszkrét és folytonos eloszlások. 3. A Bernoulli és a Csebisev egyenlőtlenség, a statisztika, staisztikai minta, teszt fogalma, normál eloszlás vizsgálata 4. A központi határeloszlás tétele, a várható érték vizsgálata, u és t tesztek, megbízhatósági intervallum. 5. Szórások vizsgálata, Fisher teszt, Bartlett teszt. 6. Szóráselemzés egyszeres és kétszeres osztályozással 1. zh az 1 4 előadások anyagából 7. Nemparaméteres statisztikai tesztek fogalma, eloszlások vizsgálata. 8. Adatok függetlenségének fogalma, a függetlenség vizsgálata statisztikai tesztekkel. 9. A korreláció, korrelálatlanság fogalmai, a korreláció vizsgálatára szolgáló tesztek. 10. A regresszió fogalma, a maximum likelihood elve, egyváltozós lineáris regresszió. 11. Többváltozós lineáris regresszió, a polinomiális regresszió, mint a többváltozós lineáris regresszió speciális esete. 12. A regresszió alkalmazása: kalibrációs technikák. 13. A regresszió korlátai, a változók számának csökkentésére szolgáló technikák. 14. Főkomponens elemzés, főkomponens regresszió. A tantárgy lezárásának módja: beszámoló.. Dr. Bánhidi Olivér Dr. Lakatos János egyetemi docens, előadó egyetemi docens, intézet igazgató
3. Beszámoló témák: A valószínűségi változó, elolszlás, eloszláfüggvény fogalma, diszkrét és folytonos eloszlások, várható érték, szórás. Binomiális eloszlás, exponenciális eloszlás, normál eloszlás, χ 2 -eloszlás, Student eloszlás. A bernoulli-féle és a Csebisev egyenlőtlenség. A központi határeloszlás tétele, a várható érték vizsgálata u és t statisztikákkal, Welch-teszt. Szórások egyezésének vizsgálata a Fisher és a Bartlett-tesztekkel. Szóráselemzés. A kiugró értéke, és az eloszlások vizsgálatára szolgáló nem-paraméteres tesztek. Adatok függetlensége, a függetlenség vizsgálata kemometriai tesztekkel. Függetlenség és korreláció viszonya. Időbeli függés, trend vizsgálata. Korreláció és regresszió. Egyváltozós lineáris és polinomiális regresszió. Többváltozós lineáris regresszió. Főkomponens elemzés és alkalmazása. érdemjeggyel minősíti a vizsgáztató. 5. Egyéb követelmények