|
|
Hlavní nabídka Prohlížení IS/STAG
Nalezené předměty, počet: 1
Stránkování výsledků vyhledávání
Nalezeno 1 záznamů
Export do Xls
Informace o předmětu
KMF / NMAST
:
Popis předmětu
Pracoviště / Zkratka
|
KMF
/
NMAST
|
Akademický rok
|
2023/2024
|
Akademický rok
|
2023/2024
|
Název
|
Matematická statistika
|
Způsob zakončení
|
Zkouška
|
Způsob zakončení
|
Zkouška
|
Akreditováno / Kredity
|
Ano,
6
Kred.
|
Forma zakončení
|
Kombinovaná
|
Forma zakončení
|
Kombinovaná
|
Rozsah hodin
|
Přednáška
2
[HOD/TYD]
Cvičení
3
[HOD/TYD]
|
Zápočet před zkouškou
|
Ano
|
Zápočet před zkouškou
|
Ano
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Počítán do průměru
|
ANO
|
Vyučovací jazyk
|
Čeština
|
Obs/max
|
|
|
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Letní semestr
|
0 / -
|
0 / -
|
0 / -
|
Počítán do průměru
|
ANO
|
Zimní semestr
|
18 / -
|
0 / 0
|
0 / 0
|
Opakovaný zápis
|
NE
|
Opakovaný zápis
|
NE
|
Rozvrh
|
Ano
|
Vyučovaný semestr
|
Zimní semestr
|
Vyučovaný semestr
|
Zimní semestr
|
Minimum (B + C) studentů
|
nestanoveno
|
Volně zapisovatelný předmět |
Ano
|
Volně zapisovatelný předmět
|
Ano
|
Vyučovací jazyk
|
Čeština
|
Počet dnů praxe
|
0
|
Počet hodin kontaktní výuky |
0
|
Hodnotící stupnice |
A|B|C|D|E|F |
Periodicita |
každý rok
|
Hodnotící stupnice pro zp. před zk. |
S|N |
Periodicita upřesnění |
|
Základní teoretický předmět |
Ano
|
Profilující předmět |
Ne
|
Základní teoretický předmět |
Ano
|
Hodnotící stupnice |
A|B|C|D|E|F |
Hodnotící stupnice pro zp. před zk. |
S|N |
Nahrazovaný předmět
|
KMF/INTP
|
Vyloučené předměty
|
Nejsou definovány
|
Podmiňující předměty
|
Nejsou definovány
|
Předměty informativně doporučené
|
Nejsou definovány
|
Předměty,které předmět podmiňuje
|
Nejsou definovány
|
Graf četnosti udělených hodnocení studentům napříč roky:
Obrázek PNG
,
XLS
|
Cíle předmětu (anotace):
|
Cílem předmětu je doplnit, prohloubit a rozšířit poznatky z teorie pravděpodobnosti a matematické statistiky získané v předchozím studiu s důrazem na jejich aplikaci v praxi.
|
Požadavky na studenta
|
Písemná, ústní, zpracování zadané praktické práce.
Ve zpracované semestrální práci student demonstruje dovednost aplikovat matematické metody a schopnost sepsat matematický text. Vyžaduje se aktivní účast na cvičení a nejvýše tři absence v semestru pro získání zápočtu.
|
Obsah
|
1. Opakování a prohloubení znalostí z teorie pravděpodobnosti. Kolmogorovův pravděpodobnostní prostor. Náhodná veličina. Pravděpodobnost. Distribuční funkce náhodné veličiny a náhodného vektoru. Nejdůležitější rozdělení.
2. Popisná statistika. Statistický soubor. Polygony a grafy četností, Galtonova ogiva. Konstrukce histogramu, boxplotu,
3. Rozlišení proměnných. Způsob výběru. Transformace. Číselné charakteristiky. Empirická distribuční funkce.
4. Dvourozměrný statistický soubor. Četnostní tabulka. Míry korelace. Varianční matice. Oblasti spolehlivosti.
5. Testy dobré shody. Testy normality. Testování nezávislosti v kontingenčních tabulkách. Neparametrické testy: znaménkový test, Wilcoxonův test, Kruskal-Wallisův test, Friedmanův test. Test náhodné procházky.
6. Cenové indexy a koše zboží. Laspayresův, Paascheho a ideální Fisherův index.
7. Časové řady. Klouzavé průměry. Exponenciální vyhlazování. Technické indikátory. Rozklad na složky.
8. Lineární regrese: historie a vývoj algoritmů: Boškovičova, Lambertova a Laplaceova metoda, MNČ.
9. Nelineární regrese. Ortogonální regrese. Regresní modely s podmínkou.
10. ANOVA. Plánování experimentu.
11. Statistická kontrola kvality. Indexy způsobilosti. Přejímací plány.
12. Metoda hlavních komponent. Faktorová analýza. Diskriminační analýza.
13. Shluková analýza. Míry podobnosti a míry vzdálenosti. Hierarchické a nehierarchické shlukování.
|
Aktivity
|
|
Studijní opory
|
V případě mimořádných opatření bude výuka probíhat vzdáleně s využitím programu MS Teams v době dle rozvrhu. Účast na schůzkách skupiny v MS Teams je ekvivalentní účasti na přednáškách a cvičeních.
|
Garanti a vyučující
|
-
Garanti:
doc. Mgr. Pavel Tuček, Ph.D. ,
-
Přednášející:
Mgr. Jaroslav Marek, Ph.D. (50%),
-
Cvičící:
Mgr. Jaroslav Marek, Ph.D. (100%),
doc. Mgr. Jiří Tuček, Ph.D. (100%),
doc. Mgr. Pavel Tuček, Ph.D. (100%),
|
Literatura
|
-
Základní:
Anděl, J. Statistické metody.. Praha, 1998. ISBN 8085863278.
-
Základní:
Anděl, J. Základy matematické statistiky.. Praha: Matfyzpress, 2011. ISBN 9788073781620.
-
Doporučená:
Anderson, T.W. An introduction to multivariate statistical analysis. Hoboken, New York: Wiley-Interscience, 2003. ISBN 9780471360919.
-
Doporučená:
Hsu, H.P. Schaum's Outline of Probability, Random Variables, and Random Processes. New York: Mcgraw-Hill, 2012. ISBN 9780071795531.
-
Doporučená:
Wimmer, G., R. Palenčár a V.Witkovský. Spracovanie a vyhodnocovanie meraní. Bratislava: Veda, 2002. ISBN 9788022407348.
-
Doporučená:
Kubanová, J. Statistické metody pro ekonomickou a technickou praxi. Bratislava: Statis, 2008. ISBN 9788085659474.
-
Doporučená:
Antoch, J. a D. Vorlíčková. Vybrané metody statistické analýzy dat. Praha: Academia, 1992. ISBN 8020002049.
-
Doporučená:
Budíková, M., T. Lerch a Š. Mikoláš. Základní statistické metody. Brno: MU, 2005. ISBN 8021038861.
|
Časová náročnost
|
Prezenční forma studia
|
Aktivity
|
Časová náročnost aktivity [h]
|
Příprava na zkoušku
|
40
|
Domácí příprava na výuku
|
36
|
Celkem
|
76
|
|
Předpoklady - další informace k podmíněnosti studia předmětu |
Prerekvizitou jsou znalosti ze základního kurzu pravděpodobnosti a statistiky z bakalářského studia. Předpokládají se znalosti základních rozdělení, číselných charakteristik náhodné veličiny a náhodného vektoru, bodové a intervalové odhady, testování statistických hypotéz a lineární regrese. |
Získané způsobilosti |
- |
Vyučovací metody |
- Přednášení
- Monologická (výklad, přednáška, instruktáž)
- Dialogická (diskuze, rozhovor, brainstorming)
- Metody práce s textem (učebnicí, knihou)
|
Hodnotící metody |
- Ústní zkouška
- Písemná zkouška
- Posouzení zadané práce
- Analýza výkonu studenta
|
|
|
|