MA012 Statistics II
Fakulta informatikypodzim 2024
- 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 - 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
- Informatika (program FI, B-INF) (2)
- 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
- Předmět je vyučován každoročně.
Výuka probíhá každý týden.
MA012 Statistics II
Fakulta informatikypodzim 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:
MA012/02: 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.
MA012 Statistika II
Fakulta informatikypodzim 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:
MA012/02: 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.
MA012 Statistika II
Fakulta informatikypodzim 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:
MA012/02: 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.
MA012 Statistika II
Fakulta informatikypodzim 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:
MA012/02: 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. 1. vyd. 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.
MA012 Statistika II
Fakulta informatikypodzim 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:
MA012/01: 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. 1. vyd. 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.
MA012 Statistika II
Fakulta informatikypodzim 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:
MA012/02: 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. 1. vyd. 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.
MA012 Statistika II
Fakulta informatikypodzim 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:
MA012/02: 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. 1. vyd. 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.
MA012 Statistika II
Fakulta informatikypodzim 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:
MA012/01: 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. 1. vyd. 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.
MA012 Statistika II
Fakulta informatikypodzim 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:
MA012/01: 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. 1. vyd. 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.
MA012 Statistika II
Fakulta informatikypodzim 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:
MA012/01: 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.
MA012 Statistika II
Fakulta informatikypodzim 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:
MA012/02: 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.
MA012 Statistika II
Fakulta informatikypodzim 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/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.
MA012 Statistika II
Fakulta informatikypodzim 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:
MA012/02: 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.
MA012 Statistika II
Fakulta informatikypodzim 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:
MA012/02: 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.
MA012 Statistika II
Fakulta informatikypodzim 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:
MA012/02: 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.
MA012 Statistika II
Fakulta informatikypodzim 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:
MA012/02: 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.
MA012 Statistika II
Fakulta informatikypodzim 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:
MA012/02: 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.
MA012 Statistika II
Fakulta informatikypodzim 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:
MA012/02: 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.
MA012 Statistika II
Fakulta informatikypodzim 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:
MA012/02: 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.
MA012 Statistika II
Fakulta informatikypodzim 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:
MA012/02: 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.
MA012 Statistika II
Fakulta informatikypodzim 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:
MA012/02: 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.
MA012 Statistika II
Fakulta informatikypodzim 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:
MA012/02: 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.
- Statistika zápisu (nejnovější)