Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2022/2023

Praktická statistika

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
BI-PRS.21 KZ 5 1P+2C česky
Přednášející:
Petr Novák (gar.)
Cvičící:
Petr Novák (gar.)
Předmět zajišťuje:
katedra aplikované matematiky
Anotace:

Studenti se seznámí s metodami aplikované statistiky. Naučí se pracovat s různými druhy dat, provádět analýzy a vhodně volit model, který data vystihuje. Probrána bude regresní a korelační analýza, analýza rozptylu a úvod do neparametrických metod. Studenti se seznámí se statistickým prostředím jazyka R a použití metod si osvojí na datech z praxe.

Požadavky:

Základy pravděpodobnosti a statistiky, matematická analýzy a lineární algebry.

Osnova přednášek:

1. Úvod do problematiky statistických analýz, seznámení s prostředím jazyka R.

2. Základní popisné statistiky, vizualizace dat - tabulky a grafy.

3. Statistické testy, porovnávání více datových souborů.

4. Neparametrické metody.

5. Regresní analýza, odhad, vyhodnocení výsledků.

6. Regresní analýza s faktorovými proměnnými.

7. Pokročilé regresní modely, odhad parametrů, vyhodnocení.

8. Detekce odlehlých pozorování, základní metody.

9. Problematika volby modelu, kritéria výběru.

10. Analýza rozptylu.

11. Mnohonásobné porovnávání.

12. Analýza kategoriálních dat.

13. R a LaTeX.

Osnova cvičení:

1. Úvod do problematiky statistických analýz, seznámení s prostředím jazyka R.

2. Základní popisné statistiky, vizualizace dat - tabulky a grafy.

3. Statistické testy, porovnávání více datových souborů.

4. Neparametrické metody.

5. Regresní analýza, odhad, vyhodnocení výsledků.

6. Regresní analýza s faktorovými proměnnými.

7. Pokročilé regresní modely, odhad parametrů, vyhodnocení.

8. Detekce odlehlých pozorování, základní metody.

9. Problematika volby modelu, kritéria výběru.

10. Analýza rozptylu.

11. Mnohonásobné porovnávání.

12. Analýza kategoriálních dat.

13. R a LaTeX.

Cíle studia:
Studijní materiály:

1. Ahn H. : Probability and Statistics for Science and Engineering with Examples in R. Cognella, 2017. ISBN 978-1516513987.

2. Bruce P., Bruce A. : Practical Statistics for Data Scientists: 50 Essential Concepts. O’Reilly Media, 2017. ISBN 978-1491952962.

3. Venables W. N., Smith D. M. : An Introduction to R. R Foundation for Statistical Computing, 2009. ISBN 978-0954612085.

4. Chambers J. M. : Software for Data Analysis: Programming with R. Springer, 2008. ISBN 978-0-387-75935-7.

5. Anděl J. : Základy matematické statistiky. Matfyzpress, 2011. ISBN 978-80-7378-162-0.

Poznámka:

Chybí webová stránka.

Další informace:
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 4. 10. 2022
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet6614106.html