MA012 Statistics II

Fakulta informatiky
podzim 2026
Rozsah
2/2/0. 3 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučováno kontaktně
Vyučující
Mgr. Ondřej Pokora, Ph.D. (přednášející)
Mgr. David Belobrad (cvičící)
Garance
Mgr. Ondřej Pokora, Ph.D.
Katedra teorie programování – Fakulta informatiky
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Út 15. 9. až Út 15. 12. Út 10:00–11:50 A217
  • Rozvrh seminárních/paralelních skupin:
MA012/01: Čt 17. 9. až Čt 17. 12. Čt 16:00–17:50 A320, O. Pokora
MA012/02: Čt 17. 9. až Čt 17. 12. Čt 18:00–19:50 A320, O. Pokora
MA012/03: Út 15. 9. až Út 15. 12. Út 12:00–13:50 A320, O. Pokora
MA012/04: St 16. 9. až St 16. 12. St 8:00–9:50 C122, D. Belobrad
Předpoklady
Basic knowledge of calculus: function, derivative, definite integral.
Basic knowledge of linear algebra: matrix, determinant, eigenavlues, eigenvectors.
Knowledge of probability a and statistics and practice with statistical language R within the scope of course MB153 Statistics I or MB143 Design and analysis of statistical experiments. Students without these knowledges and without practice with R are adviced to complete the course MB153 first.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 10 mateřských oborů, zobrazit
Anotace

This is an advanced course that introduces students to more complex methods in mathematical statistics. It expands upon the foundational concepts from the introductory statistics course by introducing additional analytical techniques. Lectures explain the mathematical background, algorithms, computational procedures, and underlying assumptions, while seminars focus on the practical application of these methods using the R statistical environment and on interpreting the results.


Upon completing the course, students will understand advanced statistical methods and inferential principles (estimation and hypothesis testing). They will be able to apply these methods to real-world datasets and correctly interpret the statistical output.

Výstupy z učení

By the end of this course, students will gain:


  • Practical application of core statistical methods


  • Verification of model assumptions and prerequisites


  • Formulation of mathematical models


  • Understanding of underlying mathematical principles and algorithms


  • Hypothesis testing and formal specification


  • Interpretation of test results and computational outputs


  • Hands-on practice with real-world datasets


  • Data analysis skills using R and the tidyverse ecosystem

Klíčová témata
  • Analysis of variance (ANOVA)
  • Rank-based tests
  • Testing of probability distributions
  • Correlation analysis
  • Linear regression models
  • Regression diagnostics
  • Principal components analysis (PCA)
  • Logistic regression
  • Contingency tables and independence testing
  • Bootstrapping
Studijní zdroje a literatura
  • Navarro D. Learning Statistics with R. https://learningstatisticswithr.com/
  • SCHUMACKER, Randall E. Learning statistics using R. Los Angeles: Sage, 2015, xxiii, 623. ISBN 9781452286297. info
  • FIELD, Andy P.; Jeremy MILES a Zoë FIELD. Discovering statistics using R. First published. Los Angeles: Sage, 2012, xxxiv, 957. ISBN 9781446200452. info
  • DAVIES, Tilman M. The book of R : a first course in programming and statistics. San Francisco: No Starch Press, 2016, xxxi, 792. ISBN 9781593276515. info
Přístupy, postupy a metody používané ve výuce
Lectures and practical classes using R language with tidyverse ecosystem.
Způsob ověření výstupů z učení a požadavky na ukončení
Evaluation is based on: (1) ROPOTS and problem solving during practical classes – weight = 40 %; (2) final written exam – weight = 60 %. Active work at practical classes, at least 50 % at (1) part, and at least 50 % of total points are needed to pass.
Vyučovací jazyk
Angličtina
Odkaz a informace vyučujících
https://is.muni.cz/auth/el/fi/podzim2025/MA012/index.qwarp
Detailed information, schedule of lectures and practical classes and study materials for the current period are posted in the Interactive syllabus in IS.
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024, podzim 2025.
  • Statistika zápisu (nejnovější)
  • Permalink: https://is.muni.cz/predmet/fi/podzim2026/MA012