MA012 Statistics II

Fakulta informatiky
podzim 2024
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)
Garance
Mgr. Ondřej Pokora, Ph.D.
Katedra teorie programování – Fakulta informatiky
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Čt 26. 9. až Čt 19. 12. Čt 16:00–17:50 A217
  • Rozvrh seminárních/paralelních skupin:
MA012/01: Čt 26. 9. až Čt 19. 12. Čt 18:00–19:50 A215, O. Pokora
MA012/02: St 25. 9. až St 18. 12. St 8:00–9:50 A320, O. Pokora
MA012/03: St 25. 9. až St 18. 12. St 10:00–11:50 A320, O. Pokora
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
Cíle předmětu
This is an advanced course which introduces students to more complex methods of mathematical statistics. It expands the knowledge from a basic course of statistics and add further methods. The lectures explains the mathematical background, algorithms, computational procedures and conditions, seminars lead to practical use of the methods for the analysis of datasets in statistical software R and to interprete the results. After completing the course, the student will understand advanced statistical methods and inferential principles (estimations, hypothesis testing). The student will be able to use this methods in analyzing datasets and will be able to statistically interpret the achieved results.
Výstupy z učení
After completing the course the student will be able to:
- explain the principles and algorithms of advanced methods of mathematical statistics;
- perform a statistical analysis of a real dataset using tidyverse packages in software R;
- interpret the results obtained by the statistical analysis.
Osnova
  • Analysis of variance (ANOVA).
  • Nonparametric tests – rank tests.
  • Goodness-of-fit tests.
  • Correlation analysis, correlation coefficients.
  • Multiple regression.
  • Regression diagnostics.
  • Autocorrelation and multicollinearity.
  • Principal component Analysis (PCA).
  • Logistic regression and other generalized linear models (GLM).
  • Contingency tables and independence testing.
  • Bootstrapping.
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
Výukové metody
Lectures and practical classes with computers (using R language with tidyverse environment).
Metody hodnocení
Evaluation is based on: 1) ROPOTS and problem solving suring practical classes – weight = 40 %, 2) final written exam – weight = 60 %. At least 50 % of averall points is needed to pass.
Vyučovací jazyk
Angličtina
Informace učitele
https://is.muni.cz/auth/el/fi/podzim2024/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.

MA012 Statistics II

Fakulta informatiky
podzim 2023
Rozsah
2/2/0. 3 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
Mgr. Ondřej Pokora, Ph.D. (přednášející)
RNDr. Radim Navrátil, Ph.D. (cvičící)
Garance
Mgr. Ondřej Pokora, Ph.D.
Katedra teorie programování – Fakulta informatiky
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Út 8:00–9:50 A318
  • Rozvrh seminárních/paralelních skupin:
MA012/01: St 18:00–19:50 B011, O. Pokora
MA012/02: St 16:00–17:50 B011, O. Pokora
MA012/03: Út 16:00–17:50 A215, R. Navrátil
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 25 mateřských oborů, zobrazit
Cíle předmětu
This is an advanced course which introduces students to more complex methods of mathematical statistics. It expands the knowledge from a basic course of statistics and add further methods. The lectures explains the mathematical background, algorithms, computational procedures and conditions, seminars lead to practical use of the methods for the analysis of datasets in statistical software R and to interprete the results. After completing the course, the student will understand advanced statistical methods and inferential principles (estimations, hypothesis testing). The student will be able to use this methods in analyzing datasets and will be able to statistically interpret the achieved results.
Výstupy z učení
After completing the course the student will be able to:
- explain the principles and algorithms of advanced methods of mathematical statistics;
- perform a statistical analysis of a real dataset using tidyverse packages in software R;
- interpret the results obtained by the statistical analysis.
Osnova
  • Analysis of variance (ANOVA).
  • Nonparametric tests – rank tests.
  • Goodness-of-fit tests.
  • Correlation analysis, correlation coefficients.
  • Multiple regression.
  • Regression diagnostics.
  • Autocorrelation and multicollinearity.
  • Principal component Analysis (PCA).
  • Logistic regression and other generalized linear models (GLM).
  • Contingency tables and independence testing.
  • Bootstrapping.
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
Výukové metody
Classes are in full-time form: 2 hours of lectures, 2 hours of practical classes a week.
Practical classes consist of work in statistical software R using tidyverse packages.
Metody hodnocení
Exercises: attendance and active involvement in problem solving and homeworks, working with ROPOTs, solving interim and final problems. Final examination: full-time form – written exam. ROPOTs, final problem solving and the exam are evaluated in points. For successful completion of the course, to achieve at least 50 % of total sum of points is necessary.
Vyučovací jazyk
Angličtina
Informace učitele
https://is.muni.cz/auth/el/fi/podzim2023/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 2024.

MA012 Statistika II

Fakulta informatiky
podzim 2022
Rozsah
2/2/0. 3 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
Mgr. Ondřej Pokora, Ph.D. (přednášející)
Mgr. Markéta Zoubková (cvičící)
Garance
Mgr. Ondřej Pokora, Ph.D.
Katedra teorie programování – Fakulta informatiky
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Po 16:00–17:50 A217
  • Rozvrh seminárních/paralelních skupin:
MA012/01: Po 18:00–19:50 A215, O. Pokora
MA012/02: Čt 16:00–17:50 A215, M. Zoubková
MA012/03: Čt 14:00–15:50 A215, M. Zoubková
Předpoklady
Základní znalosti z diferenciálního a integrálního počtu: funkce, derivace, určitý integrál.
Základní znalosti z lineární algebry: matice, determinant, vlastní čísla, vlastní vektory.
Znalosti z pravděpodobnosti a statistiky včetně zkušenosti s prací ve statistickém jazyce R v rozsahu předmětu MB153 Statistika I nebo MB143 Návrh a analýza experimentů. Studentům bez odpovídajících znalostí statistiky a zkušeností s jazykem R se doporučuje nejdříve absolvovat předmět MB153.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 25 mateřských oborů, zobrazit
Cíle předmětu
Kurz seznamuje studenty s pokročilými metodami matematické statistiky – vysvětluje příslušné algoritmy, výpočetní postupy, podmínky použití, interpretace výsledků a praktické použití pro analýzu datových souborů ve statistickém softwaru R. Po absolvování kurzu bude student rozumět složitějším statistickým metodám a principům statistické inference v nich (odhady, testování hypotéz). Dokáže tyto metody prakticky použít pro analýzu datových souborů a získané výsledky statisticky interpretovat.
Výstupy z učení
Po absolvování předmětu bude student schopen:
- vysvětlit principy a algoritmy pokročilých metod matematické statistiky;
- provést statistickou analýzu reálného datového souboru pomocí knihoven tidyverse v softwaru R;
- intepretovat a využít výsledky získané analýzou datového souboru.
Osnova
  • Analýza rozptylu (ANOVA).
  • Neparametrické testy založené na pořadích.
  • Testy dobré shody.
  • Korelační analýza, korelační koeficienty.
  • Mnohonásobná regrese.
  • Regresní diagnostika.
  • Autokorelace a multikolinearita.
  • Analýza hlavních komponent (PCA).
  • Logistická regrese a další zobecněné lineární modely (GLM).
  • Kontingenční tabulky a testování nezávislosti.
  • Bootstrapping.
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
Výukové metody
Výuka probíhá prezenčním způsobem: 2 h přednáška, 2 h cvičení každý týden.
Cvičení s diskusí probíhají na počítači v softwarovém prostředí R s využitím knihoven tidyverse.
Metody hodnocení
Cvičení: účast na cvičeních a aktivní zapojení do řešení úloh, práce s odpovědníky, řešení průběžných a závěrečných úkolů. Forma závěrečné zkoušky: prezenční – písemná. Odpovědníky, závěrečné úlohy a zkouška jsou bodově hodnoceny. Pro úspěšné absolvování kurzu je potřeba dosáhnout alespoň 50 % bodů v součtu.
Informace učitele
https://is.muni.cz/auth/el/fi/podzim2022/MA012/index.qwarp
Podrobné infromace, harmonogram přednášek a cvičení a studijní materiály pro aktuální období jsou uvedeny v interaktivní osnově v ISu.
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 2023, podzim 2024.

MA012 Statistika II

Fakulta informatiky
podzim 2021
Rozsah
2/2/0. 3 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
Mgr. Ondřej Pokora, Ph.D. (přednášející)
Mgr. Markéta Zoubková (cvičící)
Garance
Mgr. Ondřej Pokora, Ph.D.
Katedra teorie programování – Fakulta informatiky
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
St 15. 9. až St 15. 12. St 16:00–17:50 A318
  • Rozvrh seminárních/paralelních skupin:
MA012/01: St 15. 9. až St 8. 12. St 18:00–19:50 A215, O. Pokora
MA012/02: Čt 16. 9. až Čt 9. 12. Čt 14:00–15:50 A215, M. Zoubková
MA012/03: Čt 16. 9. až Čt 9. 12. Čt 16:00–17:50 A215, M. Zoubková
Předpoklady
Předpokládá se znalost diferenciálního a integrálního počtu, základní znalosti z lineární algebry a znalosti pravděpodobnosti a statistiky (včetně základní zkušenosti se softwarem R) v rozsahu předmětu MV011 Statistika I.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 25 mateřských oborů, zobrazit
Cíle předmětu
Kurz seznamuje studenty s pokročilými metodami matematické statistiky -- vysvětluje příslušné algoritmy, výpočetní postupy, podmínky použití, interpretace výsledků a praktické použití pro analýzu reálných datových souborů ve statistickém softwaru R. Po absolvování kurzu bude student rozumět principům složitějších statistických metod (analýza rozptylu, neparametrické testy, testy dobré shody, korelační analýza, analýza hlavních komponent, zobecněné lineární modely, regresní diagnostika, testování nezávislosti), bude je umět použít při analýze reálných datových souborů a bude umět interpretovat výsledky analýz.
Výstupy z učení
Po absolvování předmětu bude student schopen:
- vysvětlit principy a algoritmy pokročilých metod matematické statistiky;
- provést statistickou analýzu reálného datového souboru v softwaru R;
- intepretovat a využít výsledky získané analýzou datového souboru.
Osnova
  • Analýza rozptylu (ANOVA): jedno- a dvou-faktorová, s interakcemi.
  • Neparametrické testy: testy založené na pořadích.
  • Testy dobré shody.
  • Korelační analýza, korelační koeficienty, pořadové korelační koeficienty.
  • Regresní diagnostika.
  • Autokorelace, multikolinearita.
  • Analýza hlavních komponent (PCA).
  • Zobecněné lineární modely (GLM): logistická regrese a využití ROC křivky, některé další GLM.
  • Kontingenční tabulky a testování nezávislosti.
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
Výukové metody
Výuka probíhá prezenčním způsobem: přednáška = 2 h týdně, cvičení: 2 h týdně – práce v softwaru R, diskuze. V případě nařízení o přechodu na dálkovou formu výuky budou přednášky i cvičení pokračovat v online podobě v MS Teams.
Metody hodnocení
Cvičení: účast na cvičeních a aktivní zapojení do řešení úloh, práce s odpovědníky, včasné řešení průběžných a závěrečných úkolů. Forma závěrečné zkoušky: prezenční – písemná. Odpovědníky, závěrečné úlohy a zkouška jsou bodově hodnoceny, celkový dosažitelný počet bodů >= 100. Pro úspěšné absolvování je potřeba dosáhnout alespoň 50 bodů. V případě nařízení o distanční formě zkoušky: online práce s odpovědníkem – teoretické otázky a řešení úloh.
Informace učitele
https://is.muni.cz/auth/el/fi/podzim2021/MA012/index.qwarp
Podrobné infromace, harmonogram přednášek a cvičení a studijní materiály pro aktuální období jsou uvedeny v interaktivní osnově v ISu.
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 2022, podzim 2023, podzim 2024.

MA012 Statistika II

Fakulta informatiky
podzim 2020
Rozsah
2/2/0. 3 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
Mgr. Ondřej Pokora, Ph.D. (přednášející)
Garance
Mgr. Ondřej Pokora, Ph.D.
Katedra teorie programování – Fakulta informatiky
Dodavatelské pracoviště: Přírodovědecká fakulta
Rozvrh
Po 16:00–17:50 A318
  • Rozvrh seminárních/paralelních skupin:
MA012/01: Po 18:00–19:50 A215, O. Pokora
MA012/02: Čt 10:00–11:50 A215, O. Pokora
MA012/03: Čt 12:00–13:50 A215, O. Pokora
Předpoklady
Předpokládá se znalost diferenciálního a integrálního počtu, základní znalosti z lineární algebry a znalosti pravděpodobnosti a statistiky (včetně základní zkušenosti se softwarem R) v rozsahu předmětu MV011 Statistika I.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 25 mateřských oborů, zobrazit
Cíle předmětu
Kurz seznamuje studenty s pokročilými metodami matematické statistiky -- vysvětluje příslušné algoritmy, výpočetní postupy, podmínky použití, interpretace výsledků a praktické použití pro analýzu reálných datových souborů ve statistickém softwaru R. Po absolvování kurzu bude student rozumět principům složitějších statistických metod (analýza rozptylu, neparametrické testy, testy dobré shody, korelační analýza, analýza hlavních komponent, zobecněné lineární modely, regresní diagnostika, testování nezávislosti), bude je umět použít při analýze reálných datových souborů a bude umět interpretovat výsledky analýz.
Výstupy z učení
Po absolvování předmětu bude student schopen:
- vysvětlit principy a algoritmy pokročilých metod matematické statistiky;
- provést statistickou analýzu reálného datového souboru v softwaru R;
- intepretovat a využít výsledky získané analýzou datového souboru.
Osnova
  • Analýza rozptylu (ANOVA): jedno- a dvou-faktorová, s interakcemi.
  • Neparametrické testy: testy založené na pořadích.
  • Testy dobré shody.
  • Korelační analýza, korelační koeficienty, pořadové korelační koeficienty.
  • Regresní diagnostika.
  • Autokorelace, multikolinearita.
  • Analýza hlavních komponent (PCA).
  • Zobecněné lineární modely (GLM): logistická regrese a využití ROC křivky, některé další GLM.
  • Kontingenční tabulky a testování nezávislosti.
Literatura
  • ANDĚL, J. Základy matematické statistiky. Praha: MFF UK, 2005. info
  • RAO, C. Radhakrishna. Lineární metody statistické indukce a jejich aplikace. Translated by Josef Machek. Vyd. 1. Praha: Academia, 1978, 666 s. URL info
  • BERNSTEIN, Stephen a Ruth BERNSTEIN. Schaum's outline of theory and problems of elements of statistics : descriptive statistics and probability. New York, N.Y.: McGraw-Hill, 1999, vii, 354. ISBN 0070050236. info
  • ANDĚL, Jiří. Statistické metody. 1. vyd. Praha: Matfyzpress, 1993, 246 s. info
Výukové metody
Přednáška: 2 h týdně. Cvičení: 2 h týdně – práce v softwaru R. Výuka proběhne distančně, formou online přednášky, cvičení a diskuse.
Metody hodnocení
Cvičení: aktivní zapojení do řešení úloh, práce s odpovědníky, včasné řešení průběžných a závěrečných úkolů. Forma závěrečné zkoušky: distanční. Distanční forma závěrečné zkoušky: online práce s odpovědníkem, teoretické otázky a řešení úloh. Odpovědníky, závěrečné úlohy a zkouška jsou bodově hodnoceny, celkový dosažitelný počet bodů >= 100. Pro úspěšné absolvování je potřeba dosáhnout alespoň 50 bodů.
Informace učitele
https://is.muni.cz/auth/el/fi/podzim2020/MA012/index.qwarp
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 2021, podzim 2022, podzim 2023, podzim 2024.

MA012 Statistika II

Fakulta informatiky
podzim 2019
Rozsah
2/2/0. 3 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
Mgr. Ondřej Pokora, Ph.D. (přednášející)
Mgr. et Mgr. Daniela Kuruczová, Ph.D. (cvičící)
Garance
Mgr. Ondřej Pokora, Ph.D.
Katedra teorie programování – Fakulta informatiky
Dodavatelské pracoviště: Přírodovědecká fakulta
Rozvrh
Čt 16:00–17:50 A217
  • Rozvrh seminárních/paralelních skupin:
MA012/T01: St 18. 9. až Ne 22. 12. St 10:00–11:50 A420, Čt 19. 9. až Ne 22. 12. Čt 9:00–10:40 115, D. Kuruczová, Nepřihlašuje se. Určeno pro studenty se zdravotním postižením.
MA012/01: Po 8:00–9:50 A215, O. Pokora
MA012/02: St 14:00–15:50 A215, D. Kuruczová
MA012/03: St 16:00–17:50 A215, D. Kuruczová
Předpoklady
Předpokládá se znalost diferenciálního a integrálního počtu jedné a více proměnných, základní znalosti z lineární algebry a znalosti pravděpodobnosti a statistiky v rozsahu předmětu MV011 Statistika I.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 25 mateřských oborů, zobrazit
Cíle předmětu
Kurz představí pokročilé metody matematické statistiky a využití volně dostupného nástroje R.
Výstupy z učení
Po absolvování tohoto předmětu budou studenti schopni: aplikovat pokročilé metody matematické statistiky na reálné datové soubory; porozumět příslušným algoritmům a výpočetním postupům; statisticky analyzovat vícerozměrná data; využít pro praktickou práci volně dostupný software R.
Osnova
  • Jednofaktorová a dvoufaktorová analýza rozptylu (ANOVA);
  • Neparametrické testy hypotéz;
  • Testy dobré shody;
  • Mnohonásobná lineární regrese;
  • Korelační analýza, korelační koeficienty;
  • Autokorelace, multikolinearita;
  • Zobecněné lineární modely (GLM);
  • Analýza hlavních komponent (PCA);
  • ROC křivky, rozhodování;
Literatura
  • ANDĚL, J. Základy matematické statistiky. Praha: MFF UK, 2005. info
  • RAO, C. Radhakrishna. Lineární metody statistické indukce a jejich aplikace. Translated by Josef Machek. Vyd. 1. Praha: Academia, 1978, 666 s. URL info
  • BERNSTEIN, Stephen a Ruth BERNSTEIN. Schaum's outline of theory and problems of elements of statistics : descriptive statistics and probability. New York, N.Y.: McGraw-Hill, 1999, vii, 354. ISBN 0070050236. 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. Série praktických úloh v R ve cvičení. Vyplňování odpovědníků v průběhu semestru a řešení praktických úloh na konci cvičení. Zkouška je písemná s krátkým ústním pohovorem o zpracovaném projektu. Pro úspěšné absolvování předmětu je třeba v součtu získat alespoň 50 % bodů.
Informace učitele
Do cvičení v nepočítačových učebnách je nutné, aby si studenti nosili vlastní notebooky. Většina cvičení bude spočívat v řešení praktických úloh v softwaru R.
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 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

MA012 Statistika II

Fakulta informatiky
podzim 2018
Rozsah
2/2. 4 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
Mgr. Ondřej Pokora, Ph.D. (přednášející)
Mgr. Eva Janoušková, Ph.D. (cvičící)
Mgr. et Mgr. Daniela Kuruczová, Ph.D. (cvičící)
Garance
doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Fakulta informatiky
Dodavatelské pracoviště: Přírodovědecká fakulta
Rozvrh
Čt 12:00–13:50 A318
  • Rozvrh seminárních/paralelních skupin:
MA012/01: Po 17. 9. až Po 10. 12. Po 8:00–9:50 B311, D. Kuruczová
MA012/02: Po 17. 9. až Po 10. 12. Po 10:00–11:50 B311, D. Kuruczová
Předpoklady
Předpokládá se znalost diferenciálního a integrálního počtu jedné a více proměnných, základní znalosti z lineární algebry a znalosti pravděpodobnosti a statistiky v rozsahu předmětu MV011 Statistika I.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 23 mateřských oborů, zobrazit
Cíle předmětu
Po absolvování tohoto předmětu budou studenti schopni: aplikovat pokročilé metody matematické statistiky na reálné datové soubory; porozumět příslušným algoritmům a výpočetním postupům; statisticky analyzovat vícerozměrná data; využít pro praktickou práci volně dostupný software R.
Osnova
  • Jednofaktorová a dvoufaktorová analýza rozptylu (ANOVA);
  • Neparametrické testy hypotéz;
  • Testy dobré shody;
  • Mnohonásobná lineární regrese;
  • Korelační analýza, korelační koeficienty;
  • Autokorelace, multikolinearita;
  • Zobecněné lineární modely (GLM);
  • Analýza hlavních komponent (PCA);
  • ROC křivky, rozhodování;
Literatura
  • ANDĚL, J. Základy matematické statistiky. Praha: MFF UK, 2005. info
  • RAO, C. Radhakrishna. Lineární metody statistické indukce a jejich aplikace. Translated by Josef Machek. Vyd. 1. Praha: Academia, 1978, 666 s. URL info
  • BERNSTEIN, Stephen a Ruth BERNSTEIN. Schaum's outline of theory and problems of elements of statistics : descriptive statistics and probability. New York, N.Y.: McGraw-Hill, 1999, vii, 354. ISBN 0070050236. 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. Série praktických úloh v R ve cvičení. Vyplňování odpovědníků v průběhu semestru a řešení praktických úloh na konci cvičení. Zkouška je písemná s krátkým ústním pohovorem o zpracovaném projektu. Pro úspěšné absolvování předmětu je třeba v součtu získat alespoň 50 % bodů.
Informace učitele
Do cvičení v nepočítačových učebnách je nutné, aby si studenti nosili vlastní notebooky. Většina cvičení bude spočívat v řešení praktických úloh v softwaru R.
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 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

MA012 Statistika II

Fakulta informatiky
podzim 2017
Rozsah
2/2. 4 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
Mgr. Ondřej Pokora, Ph.D. (přednášející)
Mgr. Eva Janoušková, Ph.D. (cvičící)
Mgr. et Mgr. Daniela Kuruczová, Ph.D. (cvičící)
RNDr. Bc. Iveta Selingerová, Ph.D. (pomocník)
Garance
doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Fakulta informatiky
Dodavatelské pracoviště: Přírodovědecká fakulta
Rozvrh
St 8:00–9:50 A217
  • Rozvrh seminárních/paralelních skupin:
MA012/01: St 10:00–11:50 A215, O. Pokora
MA012/02: Čt 8:00–9:50 B117, D. Kuruczová
MA012/03: Čt 12:00–13:50 A215, D. Kuruczová
Předpoklady
Předpokládá se znalost diferenciálního a integrálního počtu jedné a více proměnných, základní znalosti z lineární algebry a znalosti pravděpodobnosti a statistiky v rozsahu předmětu MV011 Statistika I.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 23 mateřských oborů, zobrazit
Cíle předmětu
Po absolvování tohoto předmětu budou studenti schopni: aplikovat pokročilé metody matematické statistiky na reálné datové soubory; porozumět příslušným algoritmům a výpočetním postupům; statisticky analyzovat vícerozměrná data; využít pro praktickou práci volně dostupný software R.
Osnova
  • Jednofaktorová a dvoufaktorová analýza rozptylu (ANOVA);
  • Neparametrické testy hypotéz;
  • Testy dobré shody;
  • Mnohonásobná lineární regrese;
  • Korelační analýza, korelační koeficienty;
  • Autokorelace, multikolinearita;
  • Zobecněné lineární modely (GLM);
  • Analýza hlavních komponent (PCA);
  • ROC křivky, rozhodování;
Literatura
  • ANDĚL, J. Základy matematické statistiky. Praha: MFF UK, 2005. info
  • RAO, C. Radhakrishna. Lineární metody statistické indukce a jejich aplikace. Translated by Josef Machek. Vyd. 1. Praha: Academia, 1978, 666 s. URL info
  • BERNSTEIN, Stephen a Ruth BERNSTEIN. Schaum's outline of theory and problems of elements of statistics : descriptive statistics and probability. New York, N.Y.: McGraw-Hill, 1999, vii, 354. ISBN 0070050236. 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. Série praktických úloh v R ve cvičení. Vyplňování odpovědníků v průběhu semestru a řešení praktických úloh na konci cvičení. Zkouška je písemná s krátkým ústním pohovorem o zpracovaném projektu. Pro úspěšné absolvování předmětu je třeba v součtu získat alespoň 50 % bodů.
Informace učitele
Do cvičení v nepočítačových učebnách je nutné, aby si studenti nosili vlastní notebooky. Většina cvičení bude spočívat v řešení praktických úloh v softwaru R.
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 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

MA012 Statistika II

Fakulta informatiky
podzim 2016
Rozsah
2/2. 4 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
Mgr. Ondřej Pokora, Ph.D. (přednášející)
Mgr. Eva Janoušková, Ph.D. (cvičící)
Mgr. et Mgr. Daniela Kuruczová, Ph.D. (cvičící)
Garance
doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Fakulta informatiky
Dodavatelské pracoviště: Přírodovědecká fakulta
Rozvrh
Po 10:00–11:50 A217
  • Rozvrh seminárních/paralelních skupin:
MA012/T01: Po 19. 9. až Čt 22. 12. Po 13:00–14:35 117, Čt 22. 9. až Čt 22. 12. Čt 12:20–13:55 117, E. Janoušková, Nepřihlašuje se. Určeno pro studenty se zdravotním postižením.
MA012/01: Po 14:00–15:50 B116, O. Pokora
MA012/02: Po 16:00–17:50 B116, O. Pokora
MA012/03: Čt 8:00–9:50 A320, D. Kuruczová
MA012/04: Čt 10:00–11:50 A320, D. Kuruczová
Předpoklady
Předpokládá se znalost diferenciálního a integrálního počtu jedné a více proměnných, základní znalosti z lineární algebry a znalosti pravděpodobnosti a statistiky v rozsahu předmětu MV011 Statistika I.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 23 mateřských oborů, zobrazit
Cíle předmětu
Po absolvování tohoto předmětu budou studenti schopni: aplikovat pokročilé metody matematické statistiky na reálné datové soubory; porozumět příslušným algoritmům a výpočetním postupům; statisticky analyzovat vícerozměrná data; využít pro praktickou práci volně dostupný software R.
Osnova
  • Jednofaktorová a dvoufaktorová analýza rozptylu (ANOVA);
  • Neparametrické testy hypotéz;
  • Testy dobré shody;
  • Mnohonásobná lineární regrese;
  • Korelační analýza, korelační koeficienty;
  • Autokorelace, multikolinearita;
  • Zobecněné lineární modely (GLM);
  • Analýza hlavních komponent (PCA);
  • ROC křivky, rozhodování;
Literatura
  • ANDĚL, J. Základy matematické statistiky. Praha: MFF UK, 2005. info
  • RAO, C. Radhakrishna. Lineární metody statistické indukce a jejich aplikace. Translated by Josef Machek. Vyd. 1. Praha: Academia, 1978, 666 s. URL info
  • BERNSTEIN, Stephen a Ruth BERNSTEIN. Schaum's outline of theory and problems of elements of statistics : descriptive statistics and probability. New York, N.Y.: McGraw-Hill, 1999, vii, 354. ISBN 0070050236. 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. Série praktických úloh v R ve cvičení. Vyplňování odpovědníků v průběhu semestru a řešení praktických úloh na konci cvičení. Zkouška je písemná s krátkým ústním pohovorem o zpracovaném projektu. Pro úspěšné absolvování předmětu je třeba v součtu získat alespoň 50 % bodů.
Informace učitele
Do cvičení v nepočítačových učebnách je nutné, aby si studenti nosili vlastní notebooky. Většina cvičení bude spočívat v řešení praktických úloh v softwaru R.
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 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

MA012 Statistika II

Fakulta informatiky
podzim 2015
Rozsah
2/2. 4 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
Mgr. Ondřej Pokora, Ph.D. (přednášející)
Mgr. Eva Janoušková, Ph.D. (cvičící)
Mgr. Petra Ráboňová, Ph.D. (cvičící)
Garance
doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Fakulta informatiky
Dodavatelské pracoviště: Přírodovědecká fakulta
Rozvrh
Po 14:00–15:50 A318
  • Rozvrh seminárních/paralelních skupin:
MA012/T01: St 23. 9. až Út 22. 12. St 14:40–16:15 106, E. Janoušková, Nepřihlašuje se. Určeno pro studenty se zdravotním postižením.
MA012/01: Po 16:00–17:50 B116, O. Pokora
MA012/02: Čt 12:00–13:50 A320, P. Ráboňová
MA012/03: Čt 14:00–15:50 A320, P. Ráboňová
MA012/04: Po 18:00–19:50 B116, Tato seminární skupina je rezerva a může být otevřena jen v případě potřeby (výrazně překročená kapacita) a při schopnosti personálního zajištění výuky ze strany PřF. Studenti se musí přednostně hlásit do skupin 01--03.
Předpoklady
Předpokládá se znalost diferenciálního a integrálního počtu jedné a více proměnných, základní znalosti z lineární algebry a znalosti pravděpodobnosti a statistiky v rozsahu předmětu MV011 Statistika I.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 23 mateřských oborů, zobrazit
Cíle předmětu
Po absolvování tohoto předmětu budou studenti schopni: aplikovat pokročilé metody matematické statistiky na reálné datové soubory; porozumět příslušným algoritmům a výpočetním postupům; statisticky analyzovat vícerozměrná data; využít pro praktickou práci volně dostupný software R.
Osnova
  • Náhodný výběr a jeho vlastnosti;
  • Jednofaktorová analýza rozptylu (ANOVA);
  • Korelační analýza;
  • Neparametrické testy hypotéz;
  • Testy dobré shody;
  • Test nezávislosti;
  • Model vícenásobné lineární regrese;
  • Analýza reziduí (ověření předpokladů LRM);
  • Zobecněné lineární modely;
Literatura
  • ANDĚL, J. Základy matematické statistiky. Praha: MFF UK, 2005. info
  • RAO, C. Radhakrishna. Lineární metody statistické indukce a jejich aplikace. Translated by Josef Machek. Vyd. 1. Praha: Academia, 1978, 666 s. URL info
  • BERNSTEIN, Stephen a Ruth BERNSTEIN. Schaum's outline of theory and problems of elements of statistics : descriptive statistics and probability. New York, N.Y.: McGraw-Hill, 1999, vii, 354. ISBN 0070050236. 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. Série praktických úloh v R ve cvičení. Vyplňování odpovědníků v průběhu semestru a řešení praktických úloh na konci cvičení. Zkouška je písemná s krátkým ústním pohovorem o zpracovaném projektu. Pro úspěšné absolvování předmětu je třeba v součtu získat alespoň 50 % bodů.
Informace učitele
Do cvičení v nepočítačových učebnách je nutné, aby si studenti nosili vlastní notebooky. Většina cvičení bude spočívat v řešení praktických úloh v softwaru R.
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 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

MA012 Statistika II

Fakulta informatiky
podzim 2014
Rozsah
2/2. 4 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
RNDr. Marie Budíková, Dr. (přednášející)
Mgr. Eva Janoušková, Ph.D. (cvičící)
Mgr. Petra Ráboňová, Ph.D. (cvičící)
Garance
prof. RNDr. Ivanka Horová, CSc.
Fakulta informatiky
Dodavatelské pracoviště: Přírodovědecká fakulta
Rozvrh
Čt 12:00–13:50 A217
  • Rozvrh seminárních/paralelních skupin:
MA012/T01: Po 15. 9. až Pá 19. 12. Po 13:00–14:35 Učebna S4 (35a), Čt 18. 9. až Pá 19. 12. Čt 9:40–11:15 Učebna S6 (20), E. Janoušková, Nepřihlašuje se. Určeno pro studenty se zdravotním postižením.
MA012/01: St 8:00–9:50 B204, P. Ráboňová
MA012/02: St 10:00–11:50 B204, P. Ráboňová
Předpoklady
Statistika II předpokládá znalost základů statistiky získaných např. po absolvování předmětu Statistika I.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 22 mateřských oborů, zobrazit
Cíle předmětu
Náhodné výběry, bodové a intervalové odhady parametrů a parametrických funkcí, testování hypotéz, korelační a regresní analýza. Hlavní cíle kurzu jsou: seznámit studenta s principem statistické indukce; vysvětlit podstatu vybraných statistických testů včetně počítačové implementace; vymezení podmínek pro aplikaci testů; naučit studenta interpretovat výsledky testů.
Osnova
  • Princip statistické indukce. Náhodné výběry, statistiky, parametrické funkce.
  • Bodové odhady a jejich konzistence, nestrannost a asymptotická nestrannost. Metody hledání bodových odhadů.
  • Náhodné výběry z normálních rozložení a použití exaktních rozložení.
  • Intervaly spolehlivosti a jejich konstrukce.
  • Testování statistických hypotéz.
  • Analýza závislosti dvou a více náhodných veličin.
  • Jednoduchá a vícenásobná lineární regrese.
  • Statistické programové systémy.
Literatura
    povinná literatura
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Tomáš LERCH. Základní statistické metody. Vydání první. Brno: Masarykova univerzita, 2005, 180 s. ISBN 80-210-3886. info
    neurčeno
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika. Sbírka příkladů. 2.,přepracované vyd. Brno: Masarykova univerzita Brno, 1998, 127 s. ISBN 80-210-1832-1. info
  • ANDĚL, Jiří. Statistické metody. 1. vyd. Praha: Matfyzpress, 1993, 246 s. info
  • OSECKÝ, Pavel. Statistické vzorce a věty. 1. vyd. Brno: Masarykova univerzita, 1998, [29] list. ISBN 8021017589. info
Výukové metody
přednášky, cvičení
Metody hodnocení
Výuka probíhá každý týden v rozsahu 2 hodiny přednášek, 2 hodiny cvičení. Nutnou podmínkou absolvování předmětu je úspěšné zvládnutí odpovědníku. Zkouška písemná, sestává z testové části a části s příklady.
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 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

MA012 Statistika II

Fakulta informatiky
podzim 2013
Rozsah
2/2. 4 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
Mgr. Martin Řezáč, Ph.D. (přednášející)
Mgr. Ondřej Černý (cvičící)
Mgr. Petra Ráboňová, Ph.D. (cvičící)
Garance
prof. RNDr. Ivanka Horová, CSc.
Fakulta informatiky
Dodavatelské pracoviště: Přírodovědecká fakulta
Rozvrh
Po 10:00–11:50 G101
  • Rozvrh seminárních/paralelních skupin:
MA012/01: Čt 18:00–19:50 G124, P. Ráboňová
MA012/02: Pá 14:00–15:50 G124, O. Černý
MA012/03: St 18:00–19:50 G125, O. Černý
Předpoklady
Statistika II předpokládá znalost základů statistiky získaných např. po absolvování předmětu Statistika I.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 22 mateřských oborů, zobrazit
Cíle předmětu
Náhodné výběry, bodové a intervalové odhady parametrů a parametrických funkcí, testování hypotéz, korelační a regresní analýza. Hlavní cíle kurzu jsou: seznámit studenta s principem statistické indukce; vysvětlit podstatu vybraných statistických testů včetně počítačové implementace; vymezení podmínek pro aplikaci testů; naučit studenta interpretovat výsledky testů.
Osnova
  • Princip statistické indukce. Náhodné výběry, statistiky, parametrické funkce.
  • Bodové odhady a jejich konzistence, nestrannost a asymptotická nestrannost. Metody hledání bodových odhadů.
  • Náhodné výběry z normálních rozložení a použití exaktních rozložení.
  • Intervaly spolehlivosti a jejich konstrukce.
  • Testování statistických hypotéz.
  • Analýza závislosti dvou a více náhodných veličin.
  • Jednoduchá a vícenásobná lineární regrese.
  • Statistické programové systémy.
Literatura
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Tomáš LERCH. Základní statistické metody. Vydání první. Brno: Masarykova univerzita, 2005, 180 s. ISBN 80-210-3886. info
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika. Sbírka příkladů. 2.,přepracované vyd. Brno: Masarykova univerzita Brno, 1998, 127 s. ISBN 80-210-1832-1. info
  • ANDĚL, Jiří. Statistické metody. 1. vyd. Praha: Matfyzpress, 1993, 246 s. info
  • OSECKÝ, Pavel. Statistické vzorce a věty. 1. vyd. Brno: Masarykova univerzita, 1998, [29] list. ISBN 8021017589. info
Výukové metody
přednášky, cvičení
Metody hodnocení
Výuka probíhá každý týden v rozsahu 2 hodiny přednášek, 2 hodiny cvičení. Nutnou podmínkou absolvování předmětu je vypracování semestrálního projektu. Zkouška písemná, sestává z testové části a části s příklady.
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 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

MA012 Statistika II

Fakulta informatiky
podzim 2012
Rozsah
2/2. 4 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
Mgr. Martin Řezáč, Ph.D. (přednášející)
Mgr. Ondřej Černý (cvičící)
Mgr. Eva Janoušková, Ph.D. (cvičící)
RNDr. Jan Vondra, Ph.D. (cvičící)
Garance
prof. RNDr. Ivanka Horová, CSc.
Fakulta informatiky
Dodavatelské pracoviště: Přírodovědecká fakulta
Rozvrh
Po 10:00–11:50 G101
  • Rozvrh seminárních/paralelních skupin:
MA012/T01A: Čt 20. 9. až Pá 21. 12. Čt 16:00–17:55 Učebna S3 (37), E. Janoušková
MA012/T01AA: St 19. 9. až Pá 21. 12. St 10:00–11:55 Učebna S10 (56), E. Janoušková
MA012/01: Po 12:00–13:50 G125, M. Řezáč
MA012/02: Út 8:00–9:50 G125, O. Černý
Předpoklady
Statistika II předpokládá znalost základů statistiky získaných např. po absolvování předmětu Statistika I.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 23 mateřských oborů, zobrazit
Cíle předmětu
Náhodné výběry, bodové a intervalové odhady parametrů a parametrických funkcí, testování hypotéz, korelační a regresní analýza. Hlavní cíle kurzu jsou: seznámit studenta s principem statistické indukce; vysvětlit podstatu vybraných statistických testů včetně počítačové implementace; vymezení podmínek pro aplikaci testů; naučit studenta interpretovat výsledky testů.
Osnova
  • Princip statistické indukce. Náhodné výběry, statistiky, parametrické funkce.
  • Bodové odhady a jejich konzistence, nestrannost a asymptotická nestrannost. Metody hledání bodových odhadů.
  • Náhodné výběry z normálních rozložení a použití exaktních rozložení.
  • Intervaly spolehlivosti a jejich konstrukce.
  • Testování statistických hypotéz.
  • Analýza závislosti dvou a více náhodných veličin.
  • Jednoduchá a vícenásobná lineární regrese.
  • Statistické programové systémy.
Literatura
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Tomáš LERCH. Základní statistické metody. Vydání první. Brno: Masarykova univerzita, 2005, 180 s. ISBN 80-210-3886. info
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika. Sbírka příkladů. 2.,přepracované vyd. Brno: Masarykova univerzita Brno, 1998, 127 s. ISBN 80-210-1832-1. info
  • ANDĚL, Jiří. Statistické metody. 1. vyd. Praha: Matfyzpress, 1993, 246 s. info
  • OSECKÝ, Pavel. Statistické vzorce a věty. 1. vyd. Brno: Masarykova univerzita, 1998, [29] list. ISBN 8021017589. info
Výukové metody
přednášky, cvičení
Metody hodnocení
Výuka probíhá každý týden v rozsahu 2 hodiny přednášek, 2 hodiny cvičení. Nutnou podmínkou absolvování předmětu je vypracování semestrálního projektu. Zkouška písemná, sestává z testové části a části s příklady.
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 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2020, podzim 2021, podzim 2022, podzim 2023, podzim 2024.

MA012 Statistika II

Fakulta informatiky
podzim 2011
Rozsah
2/2. 4 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
Mgr. Martin Řezáč, Ph.D. (přednášející)
Mgr. Kateřina Opršalová (cvičící)
Garance
prof. RNDr. Ivanka Horová, CSc.
Fakulta informatiky
Rozvrh
St 14:00–15:50 A107
  • Rozvrh seminárních/paralelních skupin:
MA012/01: Čt 16:00–17:50 G123, K. Opršalová
MA012/02: Čt 18:00–19:50 G123, K. Opršalová
Předpoklady
Statistika II předpokládá znalost základů statistiky získaných např. po absolvování předmětu Statistika I.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 23 mateřských oborů, zobrazit
Cíle předmětu
Náhodné výběry, bodové a intervalové odhady parametrů a parametrických funkcí, testování hypotéz, korelační a regresní analýza. Hlavní cíle kurzu jsou: seznámit studenta s principem statistické indukce; vysvětlit podstatu vybraných statistických testů včetně počítačové implementace; vymezení podmínek pro aplikaci testů; naučit studenta interpretovat výsledky testů.
Osnova
  • Princip statistické indukce. Náhodné výběry, statistiky, parametrické funkce.
  • Bodové odhady a jejich konzistence, nestrannost a asymptotická nestrannost. Metody hledání bodových odhadů.
  • Náhodné výběry z normálních rozložení a použití exaktních rozložení.
  • Intervaly spolehlivosti a jejich konstrukce.
  • Testování statistických hypotéz.
  • Analýza závislosti dvou a více náhodných veličin.
  • Jednoduchá a vícenásobná lineární regrese.
  • Statistické programové systémy.
Literatura
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Tomáš LERCH. Základní statistické metody. Vydání první. Brno: Masarykova univerzita, 2005, 180 s. ISBN 80-210-3886. info
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika. Sbírka příkladů. 2.,přepracované vyd. Brno: Masarykova univerzita Brno, 1998, 127 s. ISBN 80-210-1832-1. info
  • ANDĚL, Jiří. Statistické metody. 1. vyd. Praha: Matfyzpress, 1993, 246 s. info
  • OSECKÝ, Pavel. Statistické vzorce a věty. 1. vyd. Brno: Masarykova univerzita, 1998, [29] list. ISBN 8021017589. info
Výukové metody
přednášky, cvičení
Metody hodnocení
Výuka probíhá každý týden v rozsahu 2 hodiny přednášek, 2 hodiny cvičení. Nutnou podmínkou absolvování předmětu je vypracování semestrálního projektu. Zkouška písemná, sestává z testové části a části s příklady.
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 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.

MA012 Statistika II

Fakulta informatiky
podzim 2010
Rozsah
2/2. 4 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
Mgr. Martin Řezáč, Ph.D. (přednášející)
Mgr. Eva Janoušková, Ph.D. (cvičící)
Garance
prof. RNDr. Ivanka Horová, CSc.
Fakulta informatiky
Rozvrh
Út 10:00–11:50 A107
  • Rozvrh seminárních/paralelních skupin:
MA012/01: Čt 10:00–11:50 B003, M. Řezáč
MA012/02: Čt 14:00–15:50 B003, M. Řezáč
Předpoklady
Statistika II předpokládá znalost základů statistiky získaných např. po absolvování předmětu Statistika I.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 22 mateřských oborů, zobrazit
Cíle předmětu
Náhodné výběry, bodové a intervalové odhady parametrů a parametrických funkcí, testování hypotéz, korelační a regresní analýza. Hlavní cíle kurzu jsou: seznámit studenta s principem statistické indukce; vysvětlit podstatu vybraných statistických testů včetně počítačové implementace; vymezení podmínek pro aplikaci testů; naučit studenta interpretovat výsledky testů.
Osnova
  • Princip statistické indukce. Náhodné výběry, statistiky, parametrické funkce.
  • Bodové odhady a jejich konzistence, nestrannost a asymptotická nestrannost. Metody hledání bodových odhadů.
  • Náhodné výběry z normálních rozložení a použití exaktních rozložení.
  • Intervaly spolehlivosti a jejich konstrukce.
  • Testování statistických hypotéz.
  • Analýza závislosti dvou a více náhodných veličin.
  • Jednoduchá a vícenásobná lineární regrese.
  • Statistické programové systémy.
Literatura
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Tomáš LERCH. Základní statistické metody. Vydání první. Brno: Masarykova univerzita, 2005, 180 s. ISBN 80-210-3886. info
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika. Sbírka příkladů. 2.,přepracované vyd. Brno: Masarykova univerzita Brno, 1998, 127 s. ISBN 80-210-1832-1. info
  • ANDĚL, Jiří. Statistické metody. 1. vyd. Praha: Matfyzpress, 1993, 246 s. info
  • OSECKÝ, Pavel. Statistické vzorce a věty. 1. vyd. Brno: Masarykova univerzita, 1998, [29] list. ISBN 8021017589. info
Výukové metody
přednášky, cvičení
Metody hodnocení
Výuka probíhá každý týden v rozsahu 2 hodiny přednášek, 2 hodiny cvičení. Nutnou podmínkou absolvování předmětu je vypracování semestrálního projektu. Zkouška písemná, sestává z testové části a části s příklady.
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 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.

MA012 Statistika II

Fakulta informatiky
podzim 2009
Rozsah
2/2. 4 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
Mgr. Martin Řezáč, Ph.D. (přednášející)
Garance
prof. RNDr. Ivanka Horová, CSc.
Ústavy – Přírodovědecká fakulta
Rozvrh
Út 10:00–11:50 A107
  • Rozvrh seminárních/paralelních skupin:
MA012/01: Čt 14:00–15:50 B003, M. Řezáč
MA012/02: Čt 16:00–17:50 B003, M. Řezáč
Předpoklady
Statistika II předpokládá znalost základů statistiky získaných např. po absolvování předmětu Statistika I.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 22 mateřských oborů, zobrazit
Cíle předmětu
Náhodné výběry, bodové a intervalové odhady parametrů a parametrických funkcí, testování hypotéz, korelační a regresní analýza. Hlavní cíle kurzu jsou: seznámit studenta s principem statistické indukce; vysvětlit podstatu vybraných statistických testů včetně počítačové implementace; vymezení podmínek pro aplikaci testů; naučit studenta interpretovat výsledky testů.
Osnova
  • Princip statistické indukce. Náhodné výběry, statistiky, parametrické funkce.
  • Bodové odhady a jejich konzistence, nestrannost a asymptotická nestrannost. Metody hledání bodových odhadů.
  • Náhodné výběry z normálních rozložení a použití exaktních rozložení.
  • Intervaly spolehlivosti a jejich konstrukce.
  • Testování statistických hypotéz.
  • Analýza závislosti dvou a více náhodných veličin.
  • Jednoduchá a vícenásobná lineární regrese.
  • Statistické programové systémy.
Literatura
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Tomáš LERCH. Základní statistické metody. Vydání první. Brno: Masarykova univerzita, 2005, 180 s. ISBN 80-210-3886. info
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika. Sbírka příkladů. 2.,přepracované vyd. Brno: Masarykova univerzita Brno, 1998, 127 s. ISBN 80-210-1832-1. info
  • ANDĚL, Jiří. Statistické metody. 1. vyd. Praha: Matfyzpress, 1993, 246 s. info
  • OSECKÝ, Pavel. Statistické vzorce a věty. 1. vyd. Brno: Masarykova univerzita, 1998, [29] list. ISBN 8021017589. info
Výukové metody
přednášky, cvičení
Metody hodnocení
Výuka probíhá každý týden v rozsahu 2 hodiny přednášek, 2 hodiny cvičení. Nutnou podmínkou absolvování předmětu je vypracování semestrálního projektu. Zkouška písemná, sestává z testové části a části s příklady.
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 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.

MA012 Statistika II

Fakulta informatiky
podzim 2008
Rozsah
2/2. 4 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
RNDr. Marie Budíková, Dr. (přednášející)
Mgr. Jana Meluzínová (cvičící)
RNDr. Tomáš Pavlík, Ph.D. (cvičící)
Garance
prof. RNDr. Ivanka Horová, CSc.
Ústavy – Přírodovědecká fakulta
Rozvrh
Út 8:00–9:50 A107
  • Rozvrh seminárních/paralelních skupin:
MA012/01: Út 10:00–11:50 B003, T. Pavlík
MA012/02: St 8:00–9:50 B011, J. Meluzínová
Předpoklady
Statistika II předpokládá znalost základů statistiky získaných např. po absolvování předmětu Statistika I.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 18 mateřských oborů, zobrazit
Cíle předmětu
Náhodné výběry, bodové a intervalové odhady parametrů a parametrických funkcí, testování hypotéz, korelační a regresní analýza. Hlavní cíle kurzu jsou: seznámit studenta s principem statistické indukce; vysvětlit podstatu vybraných statistických testů včetně počítačové implementace; vymezení podmínek pro aplikaci testů; naučit studenta interpretovat výsledky testů.
Osnova
  • Princip statistické indukce. Náhodné výběry, statistiky, parametrické funkce.
  • Bodové odhady a jejich konzistence, nestrannost a asymptotická nestrannost. Metody hledání bodových odhadů.
  • Náhodné výběry z normálních rozložení a použití exaktních rozložení.
  • Intervaly spolehlivosti a jejich konstrukce.
  • Testování statistických hypotéz.
  • Analýza závislosti dvou a více náhodných veličin.
  • Jednoduchá a vícenásobná lineární regrese.
  • Statistické programové systémy.
Literatura
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Tomáš LERCH. Základní statistické metody. Vydání první. Brno: Masarykova univerzita, 2005, 180 s. ISBN 80-210-3886. info
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika. Sbírka příkladů. 2.,přepracované vyd. Brno: Masarykova univerzita Brno, 1998, 127 s. ISBN 80-210-1832-1. info
  • ANDĚL, Jiří. Statistické metody. 1. vyd. Praha: Matfyzpress, 1993, 246 s. info
  • OSECKÝ, Pavel. Statistické vzorce a věty. 1. vyd. Brno: Masarykova univerzita, 1998, [29] list. ISBN 8021017589. info
Metody hodnocení
Výuka probíhá každý týden v rozsahu 2 hodiny přednášek, 2 hodiny cvičení. Nutnou podmínkou absolvování předmětu je vypracování semestrálního projektu. Zkouška písemná, sestává z testové části a části s příklady.
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 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.

MA012 Statistika II

Fakulta informatiky
podzim 2007
Rozsah
2/2. 4 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
RNDr. Marie Budíková, Dr. (přednášející)
RNDr. Ivo Moll, CSc. (přednášející)
Mgr. Tomáš Lerch (cvičící)
prof. RNDr. Luboš Brim, CSc. (pomocník)
Garance
prof. RNDr. Ivanka Horová, CSc.
Ústavy – Přírodovědecká fakulta
Rozvrh
Út 12:00–13:50 B204
  • Rozvrh seminárních/paralelních skupin:
MA012/01: Po 8:00–9:50 B116, Po 8:00–9:50 B007, T. Lerch
MA012/02: Po 10:00–11:50 B116, Po 10:00–11:50 B007, T. Lerch
Předpoklady
Statistika II předpokládá znalost základů statistiky získaných např. po absolvování předmětu Statistika I.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 18 mateřských oborů, zobrazit
Cíle předmětu
Náhodné výběry, bodové a intervalové odhady parametrů a parametrických funkcí, testování hypotéz, korelační a regresní analýza.
Osnova
  • Princip statistické indukce. Náhodné výběry, statistiky, parametrické funkce.
  • Bodové odhady a jejich konzistence, nestrannost a asymptotická nestrannost. Metody hledání bodových odhadů.
  • Náhodné výběry z normálních rozložení a použití exaktních rozložení.
  • Intervaly spolehlivosti a jejich konstrukce.
  • Testování statistických hypotéz.
  • Analýza závislosti dvou a více náhodných veličin.
  • Jednoduchá a vícenásobná lineární regrese.
  • Statistické programové systémy.
Literatura
  • ANDĚL, Jiří. Statistické metody. 1. vyd. Praha: Matfyzpress, 1993, 246 s. info
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika. Sbírka příkladů. 2.,přepracované vyd. Brno: Masarykova univerzita Brno, 1998, 127 s. ISBN 80-210-1832-1. info
  • OSECKÝ, Pavel. Statistické vzorce a věty. 1. vyd. Brno: Masarykova univerzita, 1998, [29] list. ISBN 8021017589. info
  • http://home.zcu.cz/~friesl/hpsb/
Metody hodnocení
Výuka probíhá každý týden v rozsahu 2 hodiny přednášek, 2 hodiny cvičení. Nutnou podmínkou udělení zápočtu je vypracování zápočtového příkladu. Zkouška písemná, sestává z testové části a části s příklady.
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 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.

MA012 Statistika II

Fakulta informatiky
podzim 2006
Rozsah
2/2. 4 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
RNDr. Ivo Moll, CSc. (přednášející)
doc. Mgr. Jan Koláček, Ph.D. (cvičící)
doc. RNDr. Lenka Přibylová, Ph.D. (cvičící)
prof. RNDr. Luboš Brim, CSc. (pomocník)
Garance
prof. RNDr. Ivanka Horová, CSc.
Ústavy – Přírodovědecká fakulta
Rozvrh
Út 8:00–9:50 B003
  • Rozvrh seminárních/paralelních skupin:
MA012/01: Pá 8:00–9:50 B003, L. Přibylová
MA012/02: Pá 10:00–11:50 B003, L. Přibylová
Předpoklady
! M012 Statistika II
Statistika II předpokládá znalost základů statistiky získaných např. po absolvování předmětu Statistika I.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 6 mateřských oborů, zobrazit
Cíle předmětu
Náhodné výběry, bodové a intervalové odhady parametrů a parametrických funkcí, testování hypotéz, korelační a regresní analýza.
Osnova
  • Princip statistické indukce. Náhodné výběry, statistiky, parametrické funkce.
  • Bodové odhady a jejich konzistence, nestrannost a asymptotická nestrannost. Metody hledání bodových odhadů.
  • Náhodné výběry z normálních rozložení a použití exaktních rozložení.
  • Intervaly spolehlivosti a jejich konstrukce.
  • Testování statistických hypotéz.
  • Analýza závislosti dvou a více náhodných veličin.
  • Jednoduchá a vícenásobná lineární regrese.
  • Statistické programové systémy.
Literatura
  • ANDĚL, Jiří. Statistické metody. 1. vyd. Praha: Matfyzpress, 1993, 246 s. info
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika. Sbírka příkladů. 2.,přepracované vyd. Brno: Masarykova univerzita Brno, 1998, 127 s. ISBN 80-210-1832-1. info
  • OSECKÝ, Pavel. Statistické vzorce a věty. 1. vyd. Brno: Masarykova univerzita, 1998, [29] list. ISBN 8021017589. info
  • http://home.zcu.cz/~friesl/hpsb/
Metody hodnocení
Výuka probíhá každý týden v rozsahu 2 hodiny přednášek, 2 hodiny cvičení. Nutnou podmínkou udělení zápočtu je vypracování zápočtového příkladu. Zkouška písemná, sestává z testové části a části s příklady.
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2002, podzim 2003, podzim 2004, podzim 2005, 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.

MA012 Statistika II

Fakulta informatiky
podzim 2005
Rozsah
2/2. 4 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
RNDr. Ivo Moll, CSc. (přednášející)
doc. Mgr. Jan Koláček, Ph.D. (cvičící)
RNDr. Štěpán Mikoláš (cvičící)
prof. RNDr. Luboš Brim, CSc. (pomocník)
Garance
prof. RNDr. Ivanka Horová, CSc.
Ústavy – Přírodovědecká fakulta
Rozvrh
Út 8:00–9:50 B003
  • Rozvrh seminárních/paralelních skupin:
MA012/01: Út 10:00–11:50 B003, J. Koláček
MA012/02: Út 12:00–13:50 B003, J. Koláček
Předpoklady
! M012 Statistika II
Statistika II předpokládá znalost základů statistiky získaných např. po absolvování předmětu Statistika I.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 6 mateřských oborů, zobrazit
Cíle předmětu
Náhodné výběry, bodové a intervalové odhady parametrů a parametrických funkcí, testování hypotéz, korelační a regresní analýza.
Osnova
  • Princip statistické indukce. Náhodné výběry, statistiky, parametrické funkce.
  • Bodové odhady a jejich konzistence, nestrannost a asymptotická nestrannost. Metody hledání bodových odhadů.
  • Náhodné výběry z normálních rozložení a použití exaktních rozložení.
  • Intervaly spolehlivosti a jejich konstrukce.
  • Testování statistických hypotéz.
  • Analýza závislosti dvou a více náhodných veličin.
  • Jednoduchá a vícenásobná lineární regrese.
  • Statistické programové systémy.
Literatura
  • ANDĚL, Jiří. Statistické metody. 1. vyd. Praha: Matfyzpress, 1993, 246 s. info
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika. Sbírka příkladů. 2.,přepracované vyd. Brno: Masarykova univerzita Brno, 1998, 127 s. ISBN 80-210-1832-1. info
  • OSECKÝ, Pavel. Statistické vzorce a věty. 1. vyd. Brno: Masarykova univerzita, 1998, [29] list. ISBN 8021017589. info
Metody hodnocení
Výuka probíhá každý týden v rozsahu 2 hodiny přednášek, 2 hodiny cvičení. Nutnou podmínkou udělení zápočtu je vypracování zápočtového příkladu. Zkouška písemná, sestává z testové části a části s příklady.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2002, podzim 2003, podzim 2004, 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.

MA012 Statistika II

Fakulta informatiky
podzim 2004
Rozsah
2/2. 4 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
RNDr. Ivo Moll, CSc. (přednášející)
RNDr. Štěpán Mikoláš (cvičící)
prof. RNDr. Luboš Brim, CSc. (pomocník)
Garance
prof. RNDr. Ivanka Horová, CSc.
Ústavy – Přírodovědecká fakulta
Rozvrh
Út 9:00–10:50 B011
  • Rozvrh seminárních/paralelních skupin:
MA012/01: Út 11:00–12:50 B011, I. Moll
MA012/02: Pá 10:00–11:50 B007, Š. Mikoláš
Předpoklady
! M012 Statistika II
Statistika II předpokládá znalost základů statistiky získaných např. po absolvování předmětu Statistika I.
Omezení zápisu do předmětu
Předmět je určen pouze studentům mateřských oborů.
Mateřské obory/plány
předmět má 6 mateřských oborů, zobrazit
Cíle předmětu
Náhodné výběry, bodové a intervalové odhady parametrů a parametrických funkcí, testování hypotéz, korelační a regresní analýza.
Osnova
  • Princip statistické indukce. Náhodné výběry, statistiky, parametrické funkce.
  • Bodové odhady a jejich konzistence, nestrannost a asymptotická nestrannost. Metody hledání bodových odhadů.
  • Náhodné výběry z normálních rozložení a použití exaktních rozložení.
  • Intervaly spolehlivosti a jejich konstrukce.
  • Testování statistických hypotéz.
  • Analýza závislosti dvou a více náhodných veličin.
  • Jednoduchá a vícenásobná lineární regrese.
  • Statistické programové systémy.
Literatura
  • ANDĚL, Jiří. Statistické metody. 1. vyd. Praha: Matfyzpress, 1993, 246 s. info
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika. Sbírka příkladů. 2.,přepracované vyd. Brno: Masarykova univerzita Brno, 1998, 127 s. ISBN 80-210-1832-1. info
  • OSECKÝ, Pavel. Statistické vzorce a věty. 1. vyd. Brno: Masarykova univerzita, 1998, [29] list. ISBN 8021017589. info
Metody hodnocení
Výuka probíhá každý týden v rozsahu 2 hodiny přednášek, 2 hodiny cvičení. Nutnou podmínkou udělení zápočtu je vypracování zápočtového příkladu. Zkouška písemná, sestává z testové části a části s příklady.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2002, podzim 2003, 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.

MA012 Statistika II

Fakulta informatiky
podzim 2003
Rozsah
2/2. 4 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
prof. RNDr. Ladislav Skula, DrSc. (přednášející)
Mgr. Lucie Hampelová, Ph.D. (cvičící)
Mgr. Ing. Lukáš Rychnovský, Ph.D. (cvičící)
Garance
prof. RNDr. Ivanka Horová, CSc.
Ústavy – Přírodovědecká fakulta
Kontaktní osoba: doc. RNDr. Jaroslav Michálek, CSc.
Rozvrh
Út 8:00–9:50 B003
  • Rozvrh seminárních/paralelních skupin:
MA012/01: Út 10:00–11:50 B003, L. Hampelová
MA012/02: Pá 8:00–9:50 B007, L. Rychnovský
Předpoklady
! M012 Statistika II
Statistika II předpokládá znalost základů statistiky získaných např. po absolvování předmětu Statistika I.
Omezení zápisu do předmětu
Předmět je určen pouze studentům mateřských oborů.
Mateřské obory/plány
předmět má 6 mateřských oborů, zobrazit
Cíle předmětu
Náhodné výběry, bodové a intervalové odhady parametrů a parametrických funkcí, testování hypotéz, korelační a regresní analýza.
Osnova
  • Princip statistické indukce. Náhodné výběry, statistiky, parametrické funkce.
  • Bodové odhady a jejich konzistence, nestrannost a asymptotická nestrannost. Metody hledání bodových odhadů.
  • Náhodné výběry z normálních rozložení a použití exaktních rozložení.
  • Intervaly spolehlivosti a jejich konstrukce.
  • Testování statistických hypotéz.
  • Analýza závislosti dvou a více náhodných veličin.
  • Jednoduchá a vícenásobná lineární regrese.
  • Statistické programové systémy.
Literatura
  • ANDĚL, Jiří. Statistické metody. 1. vyd. Praha: Matfyzpress, 1993, 246 s. info
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika. Sbírka příkladů. 2.,přepracované vyd. Brno: Masarykova univerzita Brno, 1998, 127 s. ISBN 80-210-1832-1. info
  • OSECKÝ, Pavel. Statistické vzorce a věty. 1. vyd. Brno: Masarykova univerzita, 1998, [29] list. ISBN 8021017589. info
Metody hodnocení
Výuka probíhá každý týden v rozsahu 2 hodiny přednášek, 2 hodiny cvičení. Nutnou podmínkou udělení zápočtu je vypracování zápočtového příkladu. Zkouška písemná, sestává z testové části a části s příklady.
Informace učitele
Materiály k výuce budou umisťovány na webových stránkách Dr. Budíkové.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2002, 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.

MA012 Statistika II

Fakulta informatiky
podzim 2002
Rozsah
2/2. 4 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
prof. RNDr. Ladislav Skula, DrSc. (přednášející)
Garance
prof. RNDr. Ivanka Horová, CSc.
Ústavy – Přírodovědecká fakulta
Kontaktní osoba: doc. RNDr. Jaroslav Michálek, CSc.
Rozvrh
Po 14:00–15:50 B204
  • Rozvrh seminárních/paralelních skupin:
MA012/01: St 12:00–13:50 B007
MA012/02: St 18:00–19:50 B007
Předpoklady
! M012 Statistika II
Statistika II předpokládá znalost základů statistiky získaných např. po absolvování předmětu Statistika I.
Omezení zápisu do předmětu
Předmět je určen pouze studentům mateřských oborů.
Mateřské obory/plány
předmět má 6 mateřských oborů, zobrazit
Cíle předmětu
Náhodné výběry, bodové a intervalové odhady parametrů a parametrických funkcí, testování hypotéz, korelační a regresní analýza.
Osnova
  • Princip statistické indukce. Náhodné výběry, statistiky, parametrické funkce.
  • Bodové odhady a jejich konzistence, nestrannost a asymptotická nestrannost. Metody hledání bodových odhadů.
  • Náhodné výběry z normálních rozložení a použití exaktních rozložení.
  • Intervaly spolehlivosti a jejich konstrukce.
  • Testování statistických hypotéz.
  • Analýza závislosti dvou a více náhodných veličin.
  • Jednoduchá a vícenásobná lineární regrese.
  • Statistické programové systémy.
Literatura
  • ANDĚL, Jiří. Statistické metody. 1. vyd. Praha: Matfyzpress, 1993, 246 s. info
  • BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika. Sbírka příkladů. 2.,přepracované vyd. Brno: Masarykova univerzita Brno, 1998, 127 s. ISBN 80-210-1832-1. info
  • OSECKÝ, Pavel. Statistické vzorce a věty. 1. vyd. Brno: Masarykova univerzita, 1998, [29] list. ISBN 8021017589. info
Metody hodnocení
Výuka probíhá každý týden v rozsahu 2 hodiny přednášek, 2 hodiny cvičení. Nutnou podmínkou udělení zápočtu je vypracování zápočtového příkladu. Zkouška písemná, sestává z testové části a části s příklady.
Informace učitele
Materiály k výuce budou umisťovány na webových stránkách Dr. Budíkové.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích 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.