MB153 Statistika I

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