čeština

6

Studenti získají základní znalosti matematické statistiky, kategoriální a korelační analýzy, analýzy rozptylu, regresní analýzy a analýzy časových řad. Po absolvování předmětu budou studenti připraveni prakticky použít tyto metody v navazujících magisterských předmětech a v reálném problémech.

Výuka probíhá formou přednášek, které mají charakter výkladu základních principů, metodologie dané disciplíny a problémů. Cvičení podporují zejména praktické ovládnutí látky vyložené na přednáškách.

ZAKONČENÍ PŘEDMĚTU
ZÁPOČET (max. 40 bodů): Zápočet je udělen na základě:
- vypracování výpočtových úloh.

ZKOUŠKA (max. 60 bodů): Zkouška je písemná.
V její první části řeší student během 80 minut 4 příklady. (Jako pomůcku může použít doporučená skripta.)
Ve druhé části zkoušky student vypracuje během 15 minut odpovědi na 3 teoretické otázky.
Známka, odpovídající součtu (max. 100 bodů), sestává:
- z bodů z kontrolních testů, výpočtových úloh a teoretických otázek;
- z výsledků řešených příkladů,
- z odpovědí na teoretické otázky.

Známky a jim odpovídající body:
A (100-90), B (89-83), C (82-76), D (75-69), E (68-60), F (59-0).


ZAKONČENÍ PŘEDMĚTU PRO STUDENTY S INDIVIDUÁLNÍM STUDIEM
ZÁPOČET (max. 40 bodů): Zápočet je udělen na základě:
- vypracování výpočtových úloh.

ZKOUŠKA (max. 60 bodů): Zkouška je písemná.
V její první části řeší student během 80 minut 4 příklady. (Jako pomůcku může použít doporučená skripta.)
Ve druhé části zkoušky student vypracuje během 15 minut odpovědi na 3 teoretické otázky.
Známka, odpovídající součtu (max. 100 bodů), sestává:
- z bodů z výpočtových úloh a teoretických otázek;
- z výsledků řešených příkladů,
- z odpovědí na teoretické otázky.

Známky a jim odpovídající body:
A (100-90), B (89-83), C (82-76), D (75-69), E (68-60), F (59-0).

1. Výběrové charakteristiky
2. Empirická distribuční funkce
3. Zpracování velkých datových souborů
4. Bodové a intervalové odhady
5. Testy statistických hypotéz
6. Korelační analýza
7. Kategoriální analýza
8. Analýza rozptylu
9. Lineární modely
10. Linearizovatelné modely
11. Nelinearizovatelné modely
12. Charakteristiky časových řad
13. Dekompozice časových řad.

Cílem předmětu je seznámit studenty se základy matematické statistiky, kategoriální a korelační analýzy, analýzy rozptylu, regresní analýzy a analýzy časových řad tak, aby byli schopni tyto znalosti vhodně aplikovat v manažerských, informatických a ekonomických problémech.

Účast na přednáškách není povinná ale doporučuje se. Účast na cvičeních je kontrolovaná.
Omluvená neúčast studenta na cvičení může být nahrazena náhradními úkoly.

KROPÁČ, J. STATISTIKA B. 3. vyd. Brno: Akademické nakladatelství CERM, 2012. 152 s. ISBN 978-80-7204-822-9. (CS)
Studijní materiály vystavené na e-learningu.

BUDÍKOVÁ, M., T. LERCH a Š. MIKOLÁŠ. Základní statistické metody. 1. vyd. Brno: Masarykova univerzita v Brně, 2005. ISBN 80-210-3886-1.
JAMES, G., D. WITTEN, T. HASTIE a R. TIBSHIRANI. An Introduction to Statistical Learning: with Applications in R. New York: Springer New York, 2014. 426 s. ISBN 978-1-4614-7137-0.
FIELD, A., J. MILES and Z. FIELD. Discovering Statistics Using R. 1 edition. Los Angeles, Calif.: SAGE Publications Ltd., 2012. ISBN 978-1-4462-0046-9.

eLearning: aktuální otevřený kurz

26 hod., povinná

Témata cvičení jsou shodná s tématy přednášek.

eLearning: aktuální otevřený kurz