Statistická analýza (FSI-9STA)

Akademický rok 2023/2024
Garant: doc. RNDr. Zdeněk Karpíšek, CSc.  
Garantující pracoviště: ÚM všechny předměty garantované tímto pracovištěm
Jazyk výuky: čeština
Cíle předmětu:
Cílem předmětu je formování stochastického způsobu myšlení studentů a jejich seznámení s moderními metodami matematické statistiky a možnostmi využití profesionálního statistického softwaru ve výzkumu.
Výstupy studia a kompetence:
Studenti získají hlubší znalosti z metod matematické statistiky, které jim umožní aplikovat stochastické modely technických jevů a procesů pomocí výpočtů na PC.
Prerekvizity:
Základy teorie pravděpodobnosti a matematické statistiky.
Obsah předmětu (anotace):
Předmět je určen pro studenty doktorského studia a je zaměřen na moderní metody statistické analýzy (náhodný výběr a jeho realizace, fitování rozdělení a odhady jejich parametrů, testování statistických hypotéz, regresní analýza) pro zpracování statistických souborů získaných při realizaci a vyhodnocování experimentů v rámci vědeckovýzkumné práce studentů.
Metody vyučování:

Předmět je vyučován formou přednášek, které mají charakter výkladu základních principů, teorie a aplikací dané disciplíny.
Způsob a kritéria hodnocení:
Zkouška je formou předneseného referátu z vybrané oblasti statistických metod anebo vypracováním písemné práce zaměřené na řešení konkrétních úloh.
Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky:
Účast na přednášce není povinná, ale doporučuje se.
Typ (způsob) výuky:
    Přednáška  10 × 2 hod. nepovinná                  
Osnova:
    Přednáška Rozdělení pravděpodobnosti pro modelování technických jevů a procesů.
Průzkumová analýza pro zpracování statistických souborů.
Náhodný výběr - model a vlastnosti.
Metody fitování rozdělení pravděpodobnosti.
Odhady parametrů rozdělení pravděpodobnosti.
Testování statistických hypotéz o rozděleních.
Testování statistických hypotéz o parametrech.
Úvod do analýzy rozptylu, neparametrické testy.
Základy lineární regresní analýzy.
Statistický software - vlastnosti a možnosti použití.
Literatura - základní:
1. Montgomery, D. C. - Renger, G.: Probability and Statistics. New York : John Wiley & Sons, Inc. 2010.
2. Ryan, T. P.: Modern Regression Methods. New York : John Wiley, 2004.
3. Anděl, J.: Základy matematické statistiky. Praha: Matfyzpress, 2011.
4. Meloun, M., Militký, J.: Kompendium statistického zpracování dat. Praha: Academia 2002.
Literatura - doporučená:
1. Anděl, J.: Statistické metody. Praha : Matfyzpress, 2007.
2. Meloun, M. - Militký, J._: Statistické zpracování experimentálních dat. Praha : PLUS, 1994.
Zařazení předmětu ve studijních programech:
Program Forma Obor Spec. Typ ukončení   Kredity     Povinnost     St.     Roč.     Semestr  
D-ENE-P prezenční studium --- bez specializace -- drzk 0 Doporučený kurs 3 1 Z
D-ENE-K kombinované studium --- bez specializace -- drzk 0 Doporučený kurs 3 1 Z