Detail předmětu

Regresní modely

FAST-DAB037Ak. rok: 2024/2025

Vícerozměrné normální rozdělení, podmíněná rozdělení. Regresní funkce. Lineární regresní model. Nelineární regresní model. Analýza rozptylu. Faktorová analýza. Průběžná informace o možnosti využití statistického software při aplikacích probírané látky.

Jazyk výuky

čeština

Počet kreditů

10

Garant předmětu

prof. RNDr. Josef Diblík, DrSc.

Zajišťuje ústav

Ústav matematiky a deskriptivní geometrie (MAT)

Vstupní znalosti

Základní znalosti z teorie pravděpodobnosti, matematické statistiky a lineární algebry – zákon rozdělení náhodné veličiny a vektoru, číselné charakteristiky náhodných veličin a vektorů a jejich bodové a intervalové odhady, podstata testování statistických hypotéz, řešení soustavy lineárních rovnic, inverzní matice.

Pravidla hodnocení a ukončení předmětu

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

Učební cíle

Vytvoření předpokladů pro sofistikovanou aplikaci statistických metod.

Základní literatura

ANDĚL, J.: Statistické metody. Praha: MatFyzPress, 2007, 299 s. ISBN 80-7378-003-8. (CS)
ANDĚL, J.: Základy matematické statistiky. Praha: MatFyzPress, 2007, 358 s. ISBN 80-7378-001-1. (CS)
WALPOLE, R.E., MYERS, R.H. Probability and Statistics for Engineers and Scientists. 8th ed. London: Prentice Hall, Pearson education LTD, 2007. 823 p. ISBN 0-13-204767-5.  (EN)

Doporučená literatura

CASELLA, G., BERGER, R.L. Statistical Inference. Belmont: Brooks/Cole Cengage Learning, 2002. ISBN-13 978-0-534-24312-8.  (EN)
HEBÁK, P., HUSTOPECKÝ, J. Vícerozměrné statistické metody 1. Praha: Informatorium, 2007. 253 p. ISBN 8-07-3330356-9.  (CS)
MELOUN, M., MILITKÝ, J.: Statistické zpracování experimentálních dat. Praha: PLUS, 1994, 839 s. ISBN 80-85297-56-6.  (CS)

Elearning

eLearning: aktuální otevřený kurz

Zařazení předmětu ve studijních plánech

  • Program DKA-E doktorský 2 ročník, zimní semestr, povinně volitelný
  • Program DKA-K doktorský 2 ročník, zimní semestr, povinně volitelný
  • Program DKA-M doktorský 2 ročník, zimní semestr, povinně volitelný
  • Program DKA-S doktorský 2 ročník, zimní semestr, povinně volitelný
  • Program DKA-V doktorský 2 ročník, zimní semestr, povinně volitelný
  • Program DPA-E doktorský 2 ročník, zimní semestr, povinně volitelný
  • Program DPA-K doktorský 2 ročník, zimní semestr, povinně volitelný
  • Program DPA-M doktorský 2 ročník, zimní semestr, povinně volitelný
  • Program DPA-S doktorský 2 ročník, zimní semestr, povinně volitelný
  • Program DPA-V doktorský 2 ročník, zimní semestr, povinně volitelný
  • Program DKC-E doktorský 2 ročník, zimní semestr, povinně volitelný
  • Program DKC-K doktorský 2 ročník, zimní semestr, povinně volitelný
  • Program DKC-M doktorský 2 ročník, zimní semestr, povinně volitelný
  • Program DKC-S doktorský 2 ročník, zimní semestr, povinně volitelný
  • Program DKC-V doktorský 2 ročník, zimní semestr, povinně volitelný
  • Program DPC-E doktorský 2 ročník, zimní semestr, povinně volitelný
  • Program DPC-K doktorský 2 ročník, zimní semestr, povinně volitelný
  • Program DPC-M doktorský 2 ročník, zimní semestr, povinně volitelný
  • Program DPC-S doktorský 2 ročník, zimní semestr, povinně volitelný
  • Program DPC-V doktorský 2 ročník, zimní semestr, povinně volitelný

Typ (způsob) výuky

 

Přednáška

39 hod., nepovinná

Vyučující / Lektor

Ing. Jan Holešovský, Ph.D.

Osnova

1. Vícerozměrné normální rozdělení,podmíněná rozdělení. 

2. Regresní funkce. 

3.–5. Základní lineární regresní model.

6.–7. Zobecněný lineární regresní model.

8. Singulární lineární regresní model.

9.–10. Analýza rozptylu.

11.–12. Faktorová analýza.

13. Nelineární regresní model.

Elearning

eLearning: aktuální otevřený kurz