Last update: Zikmundová Markéta Mgr. Ph.D. (03.06.2019)
The Elementary Course of Statistics is aimed at undergraduate students. Students will learn basic statistical methods and gain insight into basic probability concepts.
Data processing will be done using R software which is a programming language designed especially for statistical calculations and graphical outputs. It is a free software with quality help, and thanks to its great popularity in the statistical community, many blogs with tutorials, hints and sample examples can be found.
Last update: Zikmundová Markéta Mgr. Ph.D. (03.06.2019)
Základní kurz statistiky je určen studentům bakalářského studia.
Studenti částečně zvládnou spolu s některými pravděpodobnostními pojmy základní
statistické metody v rozsahu potřebném pro pochopení složitějších
statistických metod v ostatních předmětech.
Ke zpracování dat bude používán software R. Software R je programovací jazyk určený zejména ke statistickým výpočtům a grafickým výstupům. Jedná se o volně dostupný software s kvalitní nápovědou, navíc díky jeho velké oblíbenosti ve statistické komunitě lze nalézt mnoho blogů s návody, radami a ukázkovými příklady.
Aim of the course -
Last update: Kubová Petra Ing. (04.12.2017)
Students will:
1. master fundamental statistical and probability concepts
2. have working knowledge of elementary statistical methods
3. be able to solve elementary statistical problems arising in applications
Last update: Šnupárková Jana Mgr. Ph.D. (09.05.2019)
Studenti budou umět:
Měkké kompetence:
1. Zvládnout základní pravděpodobnostní a statistické pojmy
2. Znát a pochopit základní statistické metody
Specifické kompetence:
3. Samostatně řešit základní statistické úlohy
Literature -
Last update: Šnupárková Jana Mgr. Ph.D. (09.05.2019)
R: S.M. Ross: Introduction to Probability and Statistics for Engineers and Scientists (2014, Elsevier)
R: J.I. Barragués: Probability and Statistics – A didactic Introduction (2014, Taylor & Francis)
Last update: Šnupárková Jana Mgr. Ph.D. (17.09.2020)
Pravidla pro udělení zápočtu určují cvičící. Zpravidla je nutná aktivní účast na cvičeních a vypracování samostatných úkolů, popř. úspěšně absolvovat dodatečný souhrnný test. Účast na cvičeních je povinná.
Udělený zápočet je nutnou podmínkou pro skládání zkoušky. Zkouška je ústní.
Syllabus -
Last update: Šnupárková Jana Mgr. Ph.D. (11.10.2019)
1. Random events, probability and its properties, independence of random events, conditional probability
2. Random variables, their probability distribution and characteristics
3. Fundamental types of probability distributions (especially normal distribution)
4. Random vectors and their distributions, correlation and independence of random variables
5. Sum of large number of random variables — Central Limit Theorem, Law of Large Numbers
6. Random sample, point estimate of expectation and variance, Maximum Likelihood and Bayesian estimators
7. Confidence intervals — calculation and interpretation
8. Testing of statistical hypotheses — basic principle, type I and II errors, interpretation of results (p-value), basic parametric and nonparametric tests
9. ANOVA
10. Test of independence of quantitative random variables (correlation test)
11. Goodness-of-fit testing, test of independence in contingency tables
12. Fundaments of regression analysis — linear, multiple, nonlinear
Last update: Šnupárková Jana Mgr. Ph.D. (11.10.2019)
1. Náhodné jevy, pravděpodobnost a její vlastnosti, nezávislost jevů, podmíněná pravděpodobnost
2. Náhodné veličiny, jejich rozdělení a charakteristiky
3. Některá speciální rozdělení (především normální)
4. Náhodné vektory a jejich rozdělení, korelace a nezávislost náhodných veličin
5. Průměr velkého počtu náhodných veličin — centrální limitní věta, silný zákon velkých čísel
6. Náhodný výběr, bodový odhad střední hodnoty a rozptylu, metoda maximální věrohodnosti a bayesovský přístup
7. Intervalový odhad — způsob stanovení, správná interpretace
8. Testování statistických hypotéz — základní princip, chyby testování a jejich pravděpodobnosti, interpretace výsledků (p-hodnota), základní parametrické a neparametrické testy
9. ANOVA
10. Test nezávislosti kvantitativních náhodných veličin (test nulovosti korelačního koeficientu)
11. Chí-kvadrát test dobré shody, test nezávislosti v kontingenční tabulce
12. Regresní model — lineární, vícenásobná a nelineární regrese
Entry requirements -
Last update: Borská Lucie RNDr. Ph.D. (13.05.2019)
Students are expected to have either completed the prerequisite course Mathematics B or possess the equivalent knowledge prior to enrolling in the course.
Last update: Borská Lucie RNDr. Ph.D. (07.05.2019)
Základní kurz matematiky v rozsahu předmětu Matematika B vyučovaném na VŠCHT.
Registration requirements -
Last update: Borská Lucie RNDr. Ph.D. (03.05.2019)
Mathematics A
Last update: Borská Lucie RNDr. Ph.D. (03.05.2019)
Matematika A
Course completion requirements -
Last update: Šnupárková Jana Mgr. Ph.D. (17.09.2020)
Credit for controlled individual work. Oral exam.
Last update: Šnupárková Jana Mgr. Ph.D. (17.09.2020)
Zápočet formou kontrolované samostatné práce. Ústní zkouška.
Teaching methods
Activity
Credits
Hours
Účast na přednáškách
0.5
14
Příprava na přednášky, semináře, laboratoře, exkurzi nebo praxi