Zápočet je udělen na základě vypracování individuálního projektu. Závěrečná zkouška je písemná.

The credit is given on the completion of an individual project. The final exam is written.

Povinná:

• Statisticka analýza dat v R [online]. Dostupné z: https://web.vscht.cz/~spiwokv/statistika/skripta.pdf
• Jak pracovat s jazykem R [online]. Dostupné z: https://www.math.muni.cz/~kolacek/vyuka/vypsyst/navod_R.pdf
• Pekár, S.. Moderní analýza bioologických dat. Praha: Scientia, 2009, 236 s. ISBN 978-80-86960-44-9.

Doporučená:

• An Introduction to R [online]. Dostupné z: http://cran.r-project.org/doc/manuals/r-release/R-intro.pdf
• Cohen T., Cohen J.Y.. Statistics and Data with R: An applied approach through examples.. -: Wiley, 2008, 599 s. ISBN 9780470721896.
• Rumsey D.. Intermediate Statistics for Dummies. -: John Wiley & Sons, 2007, - s. ISBN 0470045205.

Přednášky a cvičení.

Lectures and seminars.

Zápočet je udělen na základě vypracování individuálního projektu. Závěrečná zkouška je písemná.

1. Popisná statistika - grafické znázornění, míry centrality dat

2. Popisná statistika - míry variability v datech

3. Normální rozdělení, Z rozdělení, lognormální rozdělení

4. Výběrové rozdělení a centrální limitní věta

5. Interval spolehlivosti

6. Testování hypotéz - kritická oblast, jedno a oboustranný test

7. Testování hypotéz - testy o průměru

8. Testování hypotéz - analýza rozptylu (ANOVA)

9. Kovariance a korelační analýza

10. Lineární regrese - jednoduchá

11. Lineární regrese - vícenásobná

12. Rezerva

13. Shrnutí

14. Zkouškový předtermín

1. Descriptive statistics – graphical representation, measures of data centrality

2. Descriptive statistics – measures of variability in data

3. Normal distribution, Z distribution, lognormal distribution

4. Sampling distribution and the central limit theorem

5. Confidence interval

6. Hypothesis testing – critical region, one-tailed and two-tailed tests

7. Hypothesis testing – tests of the mean

8. Hypothesis testing – analysis of variance (ANOVA)

9. Covariance and correlation analysis

10. Linear regression – simple

11. Linear regression – multiple

12. Reserve

13. Summary

14. Early exam date

Online materiály k přednášce na http://e-learning.vscht.cz

Online učebnice

OpenIntro Statistics - http://www.openintro.org/stat/index.php

OnlineStatBook - http://onlinestatbook.com/2/index.html

Hyperstat - http://davidmlane.com/hyperstat/index.html

StatPrimer - http://www.sjsu.edu/faculty/gerstman/StatPrimer/

Online course materials at UCT e-learning.

Online textbooks:

OpenIntro Statistics

OnlineStatBook

Hyperstat

StatPrimer

Studenti budou umět:

• aplikovat metody popisné statistiky, včetně grafického znázornění dat a výpočtu charakteristik polohy a variability,

• vysvětlit vlastnosti základních pravděpodobnostních rozdělení a využít centrální limitní větu při práci s výběrovými rozděleními,

• sestavovat a interpretovat intervaly spolehlivosti pro vybrané statistické charakteristiky,

• provádět a interpretovat testování statistických hypotéz, včetně testů o průměru a analýzy rozptylu (ANOVA),

• analyzovat vztahy mezi proměnnými pomocí kovariance, korelace a jednoduché i vícenásobné lineární regrese.

• ovládat statistické prostředí R

• provádět exploratorní analýzu a testovat hypotézy v R

• provádět regresní analýzu v R

• analyzovat vícerozměrná data v R

• prezentovat výsledky statistických analýz za pomocí grafických možností systému R

Students will be able to:

• apply descriptive statistical methods, including graphical data representation and the calculation of measures of central tendency and variability,

• explain the properties of basic probability distributions and use the central limit theorem when working with sampling distributions,

• construct and interpret confidence intervals for selected statistical characteristics,

• perform and interpret statistical hypothesis testing, including tests of means and analysis of variance (ANOVA),

• analyze relationships between variables using covariance, correlation, and simple as well as multiple linear regression.

• use the R software (environment for statistical computing)

• do the exploratory analysis and hypotheses testing in R

• do the regression analysis in R

• analyze multidimensional data in R

• present results of statistics analysis using graphical capabilities of R

základní znalosti matematiky v rozsahu vyučovaném v bakalářském SP na VŠCHT Praha

Mathematics