Detail předmětu

Analýza empirických datových souborů

FAST-CA07Ak. rok: 2013/2014

Průzkumová analýza jednorozměrných a dvourozměrných dat. Parametrické úlohy o jednom a dvou náhodných výběrech. Neparametrické úlohy. Analýza rozptylu v modelu s jedním faktorem. Analýza závislostí. Regresní analýza. Využití programu EXCEL.

Jazyk výuky

čeština

Počet kreditů

4

Zajišťuje ústav

Ústav matematiky a deskriptivní geometrie (MAT)

Výsledky učení předmětu

Znalost základů popisné statistiky jednorozměrných a dvourozměrných souborů. Znalost testování statistických hypotéz a základů analýzy rozptylu, analýzy závislostí a regresní analýzy. Znalost práce se statistickým softwarem.

Prerekvizity

Znalosti lineární algebry, diferenciálního a integrálního počtu, základů pravděpodobnosti a matematické statistiky získané v základních kurzech matematiky.

Plánované vzdělávací činnosti a výukové metody

Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT - přednáška, cvičení.

Způsob a kritéria hodnocení

Odevzdání individuálních domácích úloh uložených učitelem. Nejsou povoleny neomluvené neúčasti studentů ve cvičení. Semestrální zkouška se hodnotí součtem bodů z písemného zkoušení (maximálně 80) a bodů ze cvičení (maximálně 20).

Osnovy výuky

1.Základní pojmy popisné statistiky. Využití programů EXCEL a STATISTICA.
2.Funkcionální charakteristiky jednorozměrného a dvourozměrného datového souboru.
3.Číselné charakteristiky datového souboru.
4.Číselné charakteristiky datového souboru. Diagnostické grafy.
5.Základní pojmy matematické statistiky. Parametrické úlohy o jednom náhodném výběru.
6.Parametrické úlohy o dvou náhodných výběrech. Porovnávání rozptylů a středních hodnot.
7.Neparametrické testy. Testy náhodnosti.
8.Testy shody. Kolmogorovův-Smirnovův test.
9.Analýza rozptylu v modelu s jedním faktorem.
10.Analýza rozptylu v modelu s více faktory.
11.Analýza závislostí.
12.Regresní analýza.
13.Regresní analýza.
Cvičení navazují na přednášky.

Učební cíle

Seznámit studenty s metodami používanými v popisné statistice, při bodových a intervalových odhadech a testování statistických hypotéz. Naučit je provádět a používat regresní analýzu, rozpoznat závislost složek náhodného vektoru. Dále by studenti měli být schopni pomocí analýzy rozptylu rozvrhovat experimenty.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu.

Základní literatura

MELOUN, Milan a MILITKÝ, Jiří: Statistické zpracování experimentálních dat. Praha. Academia, 2004. (CS)
BUDÍKOVÁ, Marie, KRÁLOVÁ, Maria a MAROŠ, Bohumil: Průvodce základními statistickými metodami. Praha: GRADA, 2011. ISBN 978-80-247-3243-5. (CS)

Doporučená literatura

WALPOLE, Ronald E. a MYERS, Raymond H.: Probability and Statistics for Engineers and Scientists. New York: Macmillan Publishing Company, 1990. ISBN 0-02-946910-4. (EN)
ANDĚL, Jiří: Statistické metody. Praha: MATFYZPRESS, 1998. ISBN 80-85863-27-8. (CS)
ŠŤASTNÝ, Zdeněk: Matematické a statistické výpočty v Microsoft Excelu. Praha: Computer Press, 1999. (CS)
KOUTKOVÁ, Helena a MOLL, Ivo: Základy pravděpodobnosti. Brno: AN CERM, 2008. ISBN 978-80-7207-574-7. (CS)

Zařazení předmětu ve studijních plánech

  • Program N-K-C-SI magisterský navazující

    obor S , 1 ročník, letní semestr, povinný

  • Program N-P-C-SI magisterský navazující

    obor S , 1 ročník, letní semestr, povinný

  • Program N-P-E-SI magisterský navazující

    obor S , 1 ročník, letní semestr, povinný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Osnova

1. Základní pojmy popisné statistiky.
2. Funkcionální charakteristiky jednorozměrného a dvourozměrného datového souboru.
3. Číselné charakteristiky datového souboru.
4. Diagnostické grafy.
5. Parametrické úlohy o jednom náhodném výběru.
6. Parametrické úlohy o dvou náhodných výběrech.
7. Neparametrické testy.
8. Testy shody. Kolmogorovův-Smirnovův test.
9. Analýza rozptylu v modelu s jedním faktorem.
10. Analýza rozptylu v modelu s více faktory.
11. Analýza závislostí.
12. Regresní analýza I.
13. Regresní analýza II.

Cvičení

13 hod., povinná

Vyučující / Lektor

Osnova

1. Grafické metody reprezentace datových souborů I.
2. Grafické metody reprezentace datových souborů II.
3. Výpočetní metody zpracování datových souborů I.
4. Výpočetní metody zpracování datových souborů II.
5. Souhrn průzkumové analýzy jednorozměrných dat.
6. Dvourozměrné datové soubory.
7. Lineární regrese.
8. Nelineární regrese.
9. Lineární prognózování.
10. Mnohonásobná korelace a regrese.
11. Statistická indukce.
12. Intervaly spolehlivosti.
13. Testování hypotéz. Zápočet.