Detail předmětu
Analýza empirických datových souborů
FAST-CA07Ak. rok: 2016/2017
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
Garant předmětu
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.
Prerekvizity
Znalosti lineární algebry, diferenciálního a integrálního počtu, základů pravděpodobnosti a matematické statistiky získané v základních kurzech matematiky.
Osnovy výuky
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.
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.
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
BUDÍKOVÁ, Marie, KRÁLOVÁ, Maria a MAROŠ, Bohumil: Průvodce základními statistickými metodami. Praha: GRADA, 2011. ISBN 978-80-247-3243-5. (CS)
MELOUN, Milan a MILITKÝ, Jiří: Statistické zpracování experimentálních dat. Praha. Academia, 2004. (CS)
MELOUN, Milan a MILITKÝ, Jiří: Statistické zpracování experimentálních dat. Praha. Academia, 2004. (CS)
Doporučená literatura
ANDĚL, Jiří: Statistické metody. Praha: MATFYZPRESS, 1998. ISBN 80-85863-27-8. (CS)
KOUTKOVÁ, Helena a MOLL, Ivo: Základy pravděpodobnosti. Brno: AN CERM, 2008. ISBN 978-80-7207-574-7. (CS)
ŠŤASTNÝ, Zdeněk: Matematické a statistické výpočty v Microsoft Excelu. Praha: Computer Press, 1999. (CS)
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)
KOUTKOVÁ, Helena a MOLL, Ivo: Základy pravděpodobnosti. Brno: AN CERM, 2008. ISBN 978-80-7207-574-7. (CS)
ŠŤASTNÝ, Zdeněk: Matematické a statistické výpočty v Microsoft Excelu. Praha: Computer Press, 1999. (CS)
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)
Zařazení předmětu ve studijních plánech