FI:MV013 Statistics - Informace o předmětu

MV013 Statistics for Computer Science

Rozsah

2/2. 4 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.

Vyučující

doc. PaedDr. RNDr. Stanislav Katina, Ph.D. (přednášející)
Mgr. Mojmír Vinkler (cvičící)

Garance

doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Fakulta informatiky
Dodavatelské pracoviště: Přírodovědecká fakulta

Rozvrh

Po 8:00–9:50 A319

• Rozvrh seminárních/paralelních skupin:

MV013/T01: Út 20. 9. až Čt 22. 12. Út 8:00–9:35 110, M. Vinkler, Nepřihlašuje se. Určeno pro studenty se zdravotním postižením.
MV013/01: Po 10:00–11:50 B117, M. Vinkler
MV013/02: Po 12:00–13:50 B117, M. Vinkler

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Aplikovaná informatika (program FI, N-AP)
• Bezpečnost informačních technologií (angl.) (program FI, N-IN)
• Bezpečnost informačních technologií (program FI, N-IN)
• Bioinformatika (program FI, N-AP)
• Informační systémy (program FI, N-IN)
• Informatika (angl.) (program FI, D-IN4)
• Informatika (program FI, D-IN4)
• Paralelní a distribuované systémy (program FI, N-IN)
• Počítačová grafika (program FI, N-IN)
• Počítačové sítě a komunikace (program FI, N-IN)
• Počítačové systémy a technologie (angl.) (program FI, D-IN4)
• Počítačové systémy a technologie (program FI, D-IN4)
• Počítačové systémy (program FI, N-IN)
• Programovatelné technické struktury (angl.) (program FI, N-IN)
• Programovatelné technické struktury (program FI, N-IN)
• Služby - výzkum, řízení a inovace (angl.) (program FI, N-AP)
• Služby - výzkum, řízení a inovace (program FI, N-AP)
• Teoretická informatika (program FI, N-IN)
• Učitelství výpočetní techniky pro střední školy (program FI, N-SS) (2)
• Umělá inteligence a zpracování přirozeného jazyka (program FI, N-IN)
• Zpracování obrazu (program FI, N-AP)

Osnova

• Why computer scientists should study statistics?
• Computer science related problems with analysed data
• Why the thought study based on data is useful?
• Data types
• Sampling
• Parametric probabilistic and statistical models
• Likelihood principle and parameter estimation using numerical methods
• Descriptive statistics (tables, listings, figures)
• From description to statistical inference
• Hypothesis testing and parameters of a model
• Goodness-of-fit tests
• Testing hypotheses about one-sample
• Testing hypotheses about two-samples
• Testing hypotheses about more than to sample problems
• Interpretation of statistical findings

Literatura

• CASELLA, George a Roger L. BERGER. Statistical inference. 2nd ed. Pacific Grove, Calif.: Duxbury, 2002, xxviii, 66. ISBN 8131503941. info

Vyučovací jazyk

Angličtina

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

• Statistika zápisu (podzim 2016, nejnovější)
  
• Permalink: https://is.muni.cz/predmet/fi/podzim2016/MV013