MB153 Statistika I

Fakulta informatiky
jaro 2023
Rozsah
2/2/0. 3 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučováno prezenčně.
Vyučující
doc. Mgr. Jan Koláček, Ph.D. (přednášející)
Bc. Tomáš Macháček (cvičící)
Mgr. Markéta Zoubková (cvičící)
Garance
doc. Mgr. Jan Koláček, Ph.D.
Fakulta informatiky
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Čt 16. 2. až Čt 11. 5. Čt 10:00–11:50 D3
  • Rozvrh seminárních/paralelních skupin:
MB153/01: Čt 16. 2. až Čt 11. 5. Čt 12:00–13:50 B011, T. Macháček
MB153/02: Čt 16. 2. až Čt 11. 5. Čt 14:00–15:50 B011, T. Macháček
MB153/03: Po 13. 2. až Po 15. 5. Po 10:00–11:50 B204, M. Zoubková
MB153/04: Po 13. 2. až Po 15. 5. Po 12:00–13:50 B204, M. Zoubková
MB153/05: Po 13. 2. až Po 15. 5. Po 16:00–17:50 B204, M. Zoubková
Předpoklady
( MB151 Lineární modely || MB101 Lineární modely || MB201 Lineární modely B || MB152 Dif. a integrální počet || MB102 Dif. a integrální počet || MB202 Dif. a integrální počet B || PřF:M1110 Lineární algebra a geom. I || PřF:M1100 Matematická analýza I ) && ( ! MB103 Spojité modely a statistika && ! MB203 Spoj. modely a stat. B && ! MV011 Statistika I )
Předpokládá se znalost diferenciálního a integrálního počtu jedné a více proměnných, základní znalosti z lineární algebry.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 74 mateřských oborů, zobrazit
Cíle předmětu
Úvodní kurz seznamuje studenty s popisnou statistkou, s teorií pravděpodobnosti, náhodnými veličinami a jejich rozložením pravděpodobností, s testováním hypotéz.
Výstupy z učení
Po absolvování kurzu student: zvládne pomocí statistického software R základní statistické zpracování datového souboru ve formě tabulek, grafů a číselných charakteristik; porozumí základním pravděpodobnostním pojmům; umí řešit praktické pravděpodobnostní úlohy, které vycházejí z vyložené teorie (v některých případech s využitím statistického software); umí pomocí statistického software generovat realizace vybraných typů náhodných veličin, ovládá základy statistického testování hypotéz, včetně provedení testů v statistickém software a interpretace výsledků testování.
Osnova
  • Úvod do teorie pravděpodobnosti.
  • Náhodné veličiny, náhodné vektory a jejich distribuční funkce.
  • Diskrétní a spojité náhodné veličiny, jejich funkcionální charakteristiky a příklady různých typů rozložení. Simultánní a marginální rozložení.
  • Stochasticky nezávislé náhodné veličiny, posloupnost nezávislých opakovaných pokusů, generátory realizací některých typů náhodných veličin.
  • Kvantil, střední hodnota, rozptyl, kovariance, koeficient korelace s odpovídajícími vlastnostmi a výpočetními pravidly.
  • Zákon velkých čísel a centrální limitní věta.
  • Tabulkové a grafické zpracování datových souborů, průzkumová analýza dat.
  • Náhodný výběr, bodové a intervalové odhady parametrů.
  • Úvod do testování hypotéz. Testování v R.
  • Regresní analýza v R.
Literatura
    doporučená literatura
  • FORBELSKÁ, Marie a Jan KOLÁČEK. Pravděpodobnost a statistika I. 1. vyd. Brno: Masarykova univerzita, 2013. Elportál. ISBN 978-80-210-6710-3. url info
  • FORBELSKÁ, Marie a Jan KOLÁČEK. Pravděpodobnost a statistika II. 1. vyd. Brno: Masarykova univerzita, 2013. Elportál. ISBN 978-80-210-6711-0. url info
    neurčeno
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika. Sbírka příkladů. 3. vyd. Brno: Masarykova univerzita, 2004, 127 s. ISBN 80-210-3313-4. info
  • BUDÍKOVÁ, Marie, Maria KRÁLOVÁ a Bohumil MAROŠ. Průvodce základními statistickými metodami. vydání první. Praha: Grada Publishing, a.s., 2010, 272 s. edice Expert. ISBN 978-80-247-3243-5. URL info
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Popisná statistika. 3., doplněné vyd. Brno: Masarykova univerzita, 1998, 52 s. ISBN 80-210-1831-3. info
  • ANDĚL, Jiří. Statistické metody. 1. vyd. Praha: Matfyzpress, 1993, 246 s. info
Výukové metody
Přednášky, cvičení
Metody hodnocení
Výuka probíhá každý týden v rozsahu 2 hodiny přednášek, 2 hodiny cvičení. Aktívní práce na cvičeních. Vyplňování odpovědníků v průběhu semestru. Série praktických úloh v R ve cvičení. Zkouška je písemná: teorie a příklady. Hodnocení bude probíhat ve dvou fázích: 1.Vyplňování Odpovědníků v ISu v průběhu semestru - 40% bodů 2.Závěrečný test - 60% bodů K úspěšnému zvládnutí je potřeba získat alespoň 50% bodů.
Navazující předměty
Informace učitele
Cvičení budou sestávat z písemného řešení příkladů a také se bude pracovat na počítačích ve statistickém softwaru (jazyce) R, který je plně dostupný zdarma.
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích jaro 2021, jaro 2022, jaro 2024.