MB143 Návrh a analýza statistických experimentů

Fakulta informatiky
jaro 2023
Rozsah
2/2/0. 3 kr. (plus ukončení). Ukončení: zk.
Vyučováno prezenčně.
Vyučující
doc. Mgr. David Kraus, Ph.D. (přednášející)
Bc. Jana Beregházyová (cvičící)
Mgr. Karolína Hrabcová (cvičící)
Mgr. Ondřej Pokora, Ph.D. (cvičící)
RNDr. Bc. Iveta Selingerová, Ph.D. (cvičící)
Bc. Markéta Trembaczová (cvičící)
Mgr. Andrea Kraus, M.Sc., Ph.D. (pomocník)
Garance
prof. RNDr. Jan Slovák, DrSc.
Katedra teorie programování – Fakulta informatiky
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Rozvrh
Pá 17. 2. až Pá 12. 5. Pá 10:00–11:50 D3
  • Rozvrh seminárních/paralelních skupin:
MB143/01: St 15. 2. až St 10. 5. St 14:00–15:50 B011, O. Pokora
MB143/02: Út 14. 2. až Út 9. 5. Út 8:00–9:50 B204, I. Selingerová
MB143/03: St 15. 2. až St 10. 5. St 12:00–13:50 B204, K. Hrabcová
MB143/04: St 15. 2. až St 10. 5. St 8:00–9:50 B204, J. Beregházyová
MB143/05: Čt 16. 2. až Čt 11. 5. Čt 12:00–13:50 B204, M. Trembaczová
Předpoklady
MB141 Lineární alg. a diskrétní mat. || MB142 Aplikovaná matematická analýza || MB101 Lineární modely || MB201 Lineární modely B || MB102 Dif. a integrální počet || MB202 Dif. a integrální počet B || MB151 Lineární modely || MB152 Dif. a integrální počet
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 37 mateřských oborů, zobrazit
Cíle předmětu
Kurs seznamuje studenty s principy a metodami statistické analýzy dat a s typy a charakteristikami dat vhodných k zodpovězení položených otázek.
Výstupy z učení
Po absolvování kursu student:
- umí zformulovat položenou otázku v řeči statistické inference (odhad parametrů nebo testování hypotéz ve vhodném modelu);
- umí pro základní typy dat zvolit vhodný model a pro zodpovězení nejčastějších otázek vhodnou metodu statistické inference, implementovat ji ve statistickém software R a správně interpretovat získané výsledky;
- dovede posoudit, jaké otázky a s jakou přesností/(ne)jistotou je možné s pomocí dostupných dat zodpovědět, anebo navrhnout, jaká data by se za účelem zodpovězení daných otázek s danou přesností/(ne)jistotou měla shromáždit.
Osnova
  • Základní pravděpodobnostní principy.
  • Náhodné veličiny, jejich charakteristiky a vzájemné vztahy.
  • Vlastnosti funkcí náhodných veličin.
  • Data jako realizace náhodných veličin.
  • Popisné statistiky a výběr vhodného modelu.
  • Bodové a intervalové odhady parametrů: principy a nejužívanější metody.
  • Testování hypotéz: principy a nejužívanější metody.
  • Lineární regrese, analýza rozptylu, analýza kovariance.
  • Způsoby sběru dat, jejich cíle, záběr a limitace.
  • Návrh experimentu.
Literatura
    doporučená literatura
  • CASELLA, George a Roger L. BERGER. Statistical inference. Online. 2nd ed. Pacific Grove, Calif.: Duxbury, 2002. xxviii, 66. ISBN 0534243126. [citováno 2024-04-24] info
  • MILLIKEN, George A. a Dallas E. JOHNSON. Analysis of messy data.. Online. Second edition. Boca Raton: CRC Press, 2009. xiii, 674. ISBN 9781584883340. [citováno 2024-04-24] info
  • ZVÁRA, Karel a Josef ŠTĚPÁN. Pravděpodobnost a matematická statistika [Zvára, 2001]. Online. 2. vyd. Praha: Matfyzpress, 2001. 230 s. ISBN 80-85863-76-6. [citováno 2024-04-24] info
  • ANDĚL, J. Základy matematické statistiky. Online. Praha: MFF UK, 2005, [citováno 2024-04-24] info
  • ANDĚL, Jiří. Statistické metody. Online. 1. vyd. Praha: Matfyzpress, 1993. 246 s. [citováno 2024-04-24] info
  • FORBELSKÁ, Marie a Jan KOLÁČEK. Pravděpodobnost a statistika I. Online. 1. vyd. Brno: Masarykova univerzita, 2013. Elportál. ISBN 978-80-210-6710-3. [citováno 2024-04-24] url info
  • FORBELSKÁ, Marie a Jan KOLÁČEK. Pravděpodobnost a statistika II. Online. 1. vyd. Brno: Masarykova univerzita, 2013. Elportál. ISBN 978-80-210-6711-0. [citováno 2024-04-24] url info
Výukové metody
Přednášky: 2 hodiny týdně; zaměřeny na vysvětlení pojmů, principů a metod.
Cvičení: 2 hodiny týdně; zaměřeny na hlubší pochopení principů a metod, na jejich použití na konkrétní data pomocí statistického software R a na interpretaci získaných výsledků.
Metody hodnocení
V průběhu semestru: dva domácí úkoly celkem za 40 bodů. Po skončení semestru: písemná zkouška za 60 bodů. Závěrečné hodnocení se odvíjí od součtu S bodů z úkolů a písemné zkoušky. Pro úspěšné absolvování je potřeba nejméně 51 bodů. Přepočet bodů na známky: A pro S v [91,100], B pro S v [81,90], C pro S v [71,80], D pro S v [61,70], E pro S v [51,60], F pro S v [0,50].
Navazující předměty
Informace učitele
https://is.muni.cz/auth/el/fi/jaro2023/MB143/index.qwarp
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích jaro 2021, jaro 2022, jaro 2024.