Detail předmětu

Statistika 2

FP-STA2Ak. rok: 2026/2027

Studenti získají základní znalosti matematické statistiky, kategoriální a korelační analýzy, analýzy rozptylu, regresní analýzy a analýzy časových řad. Prakticky se také naučí tyto metody aplikovat ve statistickém programu R.

Jazyk výuky

čeština

Počet kreditů

6

Garant předmětu

Ing. Karel Doubravský, Ph.D.

Zajišťuje ústav

Ústav informatiky (ÚI)

Vstupní znalosti

Doporučené vstupní znalosti pro absolvování předmětu jsou základy matematiky (práce s funkcemi, základní algebraické operace, základní diferenciální a integrální počet), základy pravděpodobnosti a náhodné veličiny (pojem náhodného jevu, pravděpodobnosti, náhodné veličiny, základní typy rozdělení náhodných veličin).

Pravidla hodnocení a ukončení předmětu

Zápočet (max. 40 bodů)

  • 80% účast na cvičení.
  • vypracování dvou semestrálních úloh (bližší informace k tématům prací a způsobu odevzdávání bude upřesněno na začátku semestru).

Zkouška (max. 60 bodů)

  • je písemná, trvá 120 minut a skládá se ze 4 příkladů a jedné teoretické otázky.
  • při zkoušce lze používat vlastní poznámky a materiály vystavené na stránkách e-learningu.

Známku, odpovídající součtu (max 100 bodů), která sestává:

  • z dosažených bodů ze semestrálních úloh,
  • z výsledků řešených příkladů,
  • z kvality odpovědí na teoretickou otázku.

Známky a jim odpovídající body:
A (100–90), B (89–80), C (79–70), D (69–60), E (59–50), F (49–0).

 

ZAKONČENÍ PŘEDMĚTU PRO STUDENTY S INDIVIDUÁLNÍM STUDIEM

Zápočet (max. 40 bodů)

  • vypracování dvou semestrálních úloh (bližší informace k tématům prací a způsobu odevzdávání bude upřesněno na začátku semestru).

Zkouška (max. 60 bodů)

  • je písemná, trvá 120 minut a skládá se ze 4 příkladů a jedné teoretické otázky.
  • při zkoušce lze používat vlastní poznámky a materiály vystavené na stránkách e-learningu.

Známku, odpovídající součtu (max 100 bodů), která sestává:

  • z dosažených bodů ze semestrálních úloh,
  • z výsledků řešených příkladů,
  • z kvality odpovědí na teoretickou otázku.

Známky a jim odpovídající body:
A (100–90), B (89–80), C (79–70), D (69–60), E (59–50), F (49–0

 

Účast na přednáškách není povinná, ale doporučuje se. Účast na cvičeních je kontrolována.

Učební cíle

Cílem předmětu je seznámit studenty se základy matematické statistiky, analýzy rozptylu, kategoriální a korelační analýzy, regresní analýzy a analýzy časových řad tak, aby byli schopni tyto znalosti vhodně aplikovat v manažerských, informatických a ekonomických problémech. Studenti získají základní znalosti uvedených statistických metod a současně se naučí tyto metody prakticky používat ve statistickém programu R. Po absolvování předmětu budou studenti připraveni aplikovat nabyté dovednosti v navazujících magisterských předmětech i při řešení reálných problémů.

Základní literatura

BUDÍKOVÁ, M.; KRÁLOVÁ, M. a MAROŠ, B., 2010. Průvodce základními statistickými metodami. 1. vydaání. Praha: Grada. Expert. 272 s. ISBN 978-80-247-3243-5. (CS)
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.

Doporučená literatura

BUDÍKOVÁ, M., T. LERCH a Š. MIKOLÁŠ. Základní statistické metody. 1. vyd. Brno: Masarykova univerzita v Brně, 2005. ISBN 80-210-3886-1.
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.
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.

Zařazení předmětu ve studijních plánech

  • Program BAK-MIn bakalářský 2 ročník, letní semestr, povinný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Ing. Karel Doubravský, Ph.D.

Osnova

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.

Cvičení

26 hod., povinná

Vyučující / Lektor

Ing. Karel Doubravský, Ph.D.

Osnova

Témata cvičení jsou shodná s tématy přednášek.

Individuální příprava na ukončení

42 hod., nepovinná

Vyučující / Lektor

Ing. Karel Doubravský, Ph.D.

Samostudium

62 hod., nepovinná

Vyučující / Lektor

Ing. Karel Doubravský, Ph.D.