Studenti budou umět:

Zvládat základy pravděpodobnosti a pravděpodobnostních rozdělení.

Zvládat základní statistické techniky, jako jsou intervaly spolehlivosti a testování hypotéz, analýza rozptylu či analýza kontingenčních tabulek.

Zvládat tvorbu lineárních regresních modelů.

Students will know:

Basic principles of probability and probability distributions.

Basic statistical techniques including confidence intervals and hypothesis testing, analysis of variance or analysis of contingence tables.

Linear regression modelling.

Z:Rumsey D., Statistics for Dummies; For Dummies, 2003. ISBN 0764554239

Z:Rumsey D., Intermediate Statistics for Dummies, 2007. ISBN 0470045205

D:Andrew J. Vickers, What is a p-value anyway?, 2009. ISBN 0321629302

Z:Rumsey D., Statistics for Dummies; For Dummies, 2003. ISBN 0764554239

Z:Rumsey D., Intermediate Statistics for Dummies, 2007. ISBN 0470045205

D:Andrew J. Vickers, What is a p-value anyway?, 2009. ISBN 0321629302

Online materiály k přednášce na http://ich.vscht.cz/~svozil/teaching.html

"Statistics One" kurs z Princetonu na Courseře, Prof. Andrew Conway - https://www.coursera.org/course/stats1

"Introduction to Statistics" kurs se Stanfordu na Udacity, Prof. Sebastian Thrun - http://www.udacity.com/overview/Course/st101/CourseRev/1

"Computing for Data Analysis" kurs (použití a programování ve statistickém sysému R) na Courseře, Roger D. Peng - https://www.coursera.org/course/compdata

Zdarma dostupné následující učebnice:

CK12 Advanced Probability and Statistics

   B. Meery, D. DeLancey, E. Lawsky, L. Ottman, R. Almukkahal

   http://www.ck12.org/book/Probability-and-Statistics---Advanced-%2528Second-Edition%2529/r1/

Collaborative Statistics

   B. Illowsky, S. Dean

   http://cnx.org/content/col10522/latest/

OpenIntro Statistics

   D. M. Diez, Ch. D. Barr, M. Cetinkaya-Rundel

   http://www.openintro.org/stat/textbook.php

Online course materials at http://ich.vscht.cz/~svozil/teaching.html

"Statistics One" course from Princeton on Coursera, Prof. Andrew Conway - https://www.coursera.org/course/stats1

"Introduction to Statistics" from Stanford on Udacity, Prof. Sebastian Thrun - http://www.udacity.com/overview/Course/st101/CourseRev/1

"Computing for Data Analysis" (using and programming in R) by Roger D. Peng on Coursera - https://www.coursera.org/course/compdata

Free textbooks:

CK12 Advanced Probability and Statistics

   B. Meery, D. DeLancey, E. Lawsky, L. Ottman, R. Almukkahal

   http://www.ck12.org/book/Probability-and-Statistics---Advanced-%2528Second-Edition%2529/r1/

Collaborative Statistics

   B. Illowsky, S. Dean

   http://cnx.org/content/col10522/latest/

OpenIntro Statistics

   D. M. Diez, Ch. D. Barr, M. Cetinkaya-Rundel

   http://www.openintro.org/stat/textbook.php

V polovině semestru se píše zápočtová písemná práce. Na konci semestru studenti skládají písemnou zkoušku.

1. Základy pravděpodobnosti, Bayesův teorém

2. Pravděpodobnostní rozdělení, populace a výběr, míry polohy, míry variability

3. Gausovské rozdělení, centrální limitní teorém, rozdělení výběrového průměru

4. Intervaly spolehlivosti

5. Testování hypotéz, nulová a alternativní hypotéza, chyba I a II typu

6. Korelace a kovariance, jednoduchá lineární regrese

7. Násobná lineární regrese, nelineární regrese

8. Analýza rozptylu

9. Analýza kategoriálních dat, χ2 test dobré shody, kontingenční tabulky

10. Neparametrické metody

11. Klasifikační metody, lineární diskriminační analýza

12. Metoda hlavních komponent

13. Shluková analýza

14. Shrnutí

1. Introduction to probability, Bayes theorem

2. Probability distributions, population and sample, mean and standard deviation

3. Gaussian distribution, central limit theorem, sampling distribution of the sample mean

4. Confidence intervals

5. Hypothesis testing, null and alternative hypothese, errors of the I and II order

6. Correlation and covariance, simple linear regression

7. Multiple linear regression, non-linear regression

8. Analysis of variance

9. Categorical data analysis, χ2 test, contingence tables

10. Nonparametric methods

11. Classification methods, linear discrimination analysis

12. Principal component analysis

13. Cluster analysis

14. Summary

Matematika

Mathematics