Oprogramowanie statystyczne

PS IMAGO PRO (IBM SPSS Statistics)

Uniwersytet Mikołaja Kopernika posiada licencję ogólnouczelnianą (site licence) na oprogramowanie PS IMAGO PRO Academic oparte o silnik analityczny IBM SPSS Statistics. Oprogramowanie to zawiera liczne moduły do zaawansowanych analiz statystycznych oraz eksploracji danych. Może z niego korzystać każdy pracownik i student UMK, na komputerach uczelnianych oraz domowych, w celach związanych z dydaktyką i niekomercyjnymi badaniami naukowymi. Warunkiem skorzystania z oprogramowania jest wypełnienie Potwierdzenia zapoznania się z warunkami używania oprogramowania i przekazanie go upoważnionej do tego osobie w danej jednostce.

Dystrybucją oprogramowania zajmują się wyznaczeni do tego opiekunowie wydziałowi oraz Uczelniane Centrum Informatyczne.

UMK uczestniczy w Programie ARIADNA Współpracy SPSS z Jednostkami Akademickimi. Program ten to różnego rodzaju korzyści dla pracowników i studentów, m.in. rabaty na warsztaty analistyczne i szkolenia oraz możliwość akredytacji prowadzonych zajęć dydaktycznych.

Polecana literatura:

Górniak Jarosław, Wachnicki Janusz: Pierwsze kroki w analizie danych. SPSS Polska, Kraków, 2010 (dostępne w BU UMK).
Malarska Anna: Statystyczna analiza danych wspomagana programem SPSS. SPSS Polska, Kraków, 2005 (dostępne w BU UMK).
Bedyńska Sylwia, Cypryańska Marzena (red.): Statystyczny drogowskaz 1. Praktyczne wprowadzenie do wnioskowania statystycznego. Wydawnictwo Akademickie SEDNO, Warszawa, 2013 (zasób elektroniczny, dostępny przez BU UMK).
Field Andy: Discovering Statistics Using IBM SPSS Statistics. Sage, Los Angeles, 2018 (dostępne w BU UMK).
https://www.discoveringstatistics.com/

IBM SPSS Amos

IBM SPSS Amos to zaawansowane oprogramowanie do modelowania równań strukturalnych (SEM). Przeznaczone tylko dla systemu Windows. UMK posiada licencję ogólnouczelnianią na to oprogramowanie - zasady korzystania oraz możliwość uzyskania dostępu jest taka sama jak w przypadku PS IMAGO PRO.

Polecana literatura:

Bedyńska Sylwia, Książek Monika: Statystyczny drogowskaz 3. Praktyczny przewodnik wykorzystania modeli regresji oraz równań strukturalnych. Wydawnictwo Akademickie SEDNO, Warszawa, 2012 (zasób elektroniczny, dostępny przez BU UMK).

Statistica

Collegium Medicum UMK zakupiło licencję na program Statistica - Rozszerzony Pakiet Akademicki, dla wszystkich pracowników i studentów CM UMK w Bydgoszczy. Statistica to wszechstronne narzędzie analityczne umożliwiające użytkownikom dostęp do danych, przygotowanie i analizę danych, raportowanie oraz wdrażanie modeli analitycznych w różnorodnych środowiskach. Szczegóły dostępu są zamieszczone w informacji o tym oprogramowaniu.

Polecana literatura:

Stanisz Andrzej: Przystępny kurs statystyki z zastosowaniem STATISTICA PL na przykładach z medycyny. Tomy 1-3. StatSoft Polska, Kraków, 2006-2007.
Internetowy Podręcznik Statystyki.

GRETL

Program GRETL zawiera podstawowe procedury i metody ekonometryczne. Należy do oprogramowań Powszechnej Licencji Publicznej (GNU GPL), czyli o swobodnym dostępie dla wszystkich użytkowników.

Polecana literatura:

Kufel Tadeusz: Ekonometria. Rozwiązywanie problemów z wykorzystaniem programu GRETL. Wydawnictwo Naukowe PWN, Warszawa, 2013 (zasób elektroniczny, dostępny przez BU UMK).
Adkins Lee: Using gretl for Principles of Econometrics. 2018 (zasób elektroniczny dostępny na stronie autora).

R

R jest językiem programowania oraz środowiskiem do obliczeń statystycznych i wizualizacji wyników. Jest dostępny na licencji GNU GPL - to oznacza, że R jest całkowicie darmowy zarówno do zastosowań edukacyjnych jak i biznesowych. Istnieje kilka interfejsów graficznych dla R, np. zintegrowane środowisko programistyczne RStudio.

Polecana literatura:

Biecek Przemysław: Przewodnik po pakiecie R. Oficyna Wydawnicza GiS, Wrocław, 2014 (zasób elektroniczny, dostępny na stronie autora).
Emmanuel Paradis: R for Beginners (zasób elektroniczny).
Winston Chang: Cookbook for R (zasób elektroniczny).
James Gareth, Witten Daniela, Hastie Trevor, Tibshirani Robert: An Introduction to Statistical Learning with Applications in R. Springer, 2017 (pdf dostępny na stronie podręcznika).
Hadley Wickham: Advanced R. Chapman & Hall, 2019 (zasób elektroniczny).
Hadley Wickham, Garrett Grolemund: R for Data Science. O'Reilly, 2017 (zasób elektroniczny).
Garrett Grolemund: Hands-On Programming with R. O'Reilly, 2014 (zasób elektroniczny).

Python

Python to jeden z najpopularniejszych języków programowania wysokiego poziomu. Jego prostota i przejrzystość sprawiają, że mogą się nim posługiwać nawet osoby o niewielkim doświadczeniu programistycznym. Szczególnym uznaniem cieszy się wśród specjalistów od analizy danych i uczenia maszynowego. Dzięki ogromnej liczbie specjalistycznych bibliotek nawet skomplikowane zadania analityczne mogą być wykonane za pomocą zaledwie kilku linii kodu. Biblioteki takie jak NumPy, pandas, Matplotlib, scikit-learn stały się standardem w świecie specjalistów od data science.

Polecana literatura:

Kenneth Reitz, Tanya Schlusser: The Hitchhiker's Guide to Python. O'Reilly, 2016 (zasób elektroniczny).
Al Sweigart: Automate the Boring Stuff with Python. No Starch Press, 2019 (zasób elektroniczny).
Charles R. Severance: Python dla wszystkich. Odkrywanie danych z Python 3. (zasób internetowy).
Jack VanderPlas: Python Data Science Handbook. O'Reilly, 2016 (zasób elektroniczny).
Chris Albon: Notes On Using Data Science & Machine Learning To Fight For Something That Matters (strona internetowa).

Matlab

Matlab jest programem wykorzystywanym do wykonywania obliczeń naukowych i inżynierskich. Charakteryzuje się wysoka przejrzystością i prostą składnią. Jego zoptymalizowany silnik bardzo dobrze sprawdza się do wykonywania złożonych obliczeń, zwłaszcza w zagadnieniach uczenia maszynowego oraz uczenia głębokiego. Jest popularnym narzędziem wśród naukowców, szczególnie w dziedzinach technicznych. Posiada rozbudowaną bibliotekę aplikacji umożliwiających pracę na danych za pomocą gotowych algorytmów.

Dostęp do oprogramowania jest darmowy dla studentów i pracowników UMK. Z licencji można korzystać zarówno na komputerach służbowych jak i prywatnych. Instalacja Matlaba odbywa się przez założenie konta na stronie dewelopera z użyciem adresu e-mail z domeny
umk.pl (adres służbowy), a następnie ściągnięcie wybranej wersji instalacyjnej.

Bardziej szczegółowa instrukcja dostępna w załączniku.

Polecana literatura:

Maciej Krawiecki: Matlab dla o(d)pornych (wersja robocza). 2003 (zasób elektroniczny dostępny na stronie autora).
Rao V. Dukkipati: MATLAB : An Introduction with Applications. Daryaganj: New Age International Ltd, 2008 (zasób dostępny online w Bibliotece Uniwersyteckiej UMK).