Zápočet za vypracováné domácí úkoly a vypracovanou semestrální práci, zkouška za splnění závěrečného testu.

All homework assignments, succesfull final test.

Doporučená:

• Meloun, Milan, Militký, Jiří. Interaktivní statistická analýza dat. Praha: Karolinum, 2012, 953 s. s. ISBN 978-80-246-2173-9.
• Anděl, Jiří. Základy matematické statistiky. Praha: Matfyzpress, 2011, s. ISBN 978-80-7378-162-0.
• Rumsey, Deborah. Statistics for dummies. Hoboken: Wiley, 2003, xviii, 355 s. s. ISBN 0-7645-5423-9.
• Rumsey, Deborah. Intermediate statistics for dummies. Indianapolis: Wiley, 2007, xviii, 362 s. s. ISBN 978-0-470-04520-6.

R: Elektronická učebnice statistiky na http://www.statistica/cz

R: Elektronická nápověda (help) v programu MS Excel

A: http://mms01.vscht.cz/vyuka/

Výuka bude probíhat formou přednášek, které představí teorii probírané problematiky. Následně budou tyto teoretické znalosti procvičovány v rámci cvičení při práci na případových studiích a postupně aplikovány v samostatné semestrální práci.

The subject will be taught first by lectures presenting theoretical concepts behind the topic. This will be followed by practical session including individual assignments to strengthen the theoretical knowledge.

Domácí úkoly, průběžná semestrální práce a nakonec závěrečný test v rozsahu sylabu.

Within the extent of the syllabus.

1. Opakování, popisná analýza souboru

2. Testování hypotéz - parametrické a neparametrické varianty

3. Testy na rozptyl a střední hodnotu

4. Regresní analýza a korelační analýza

5. Analýza rozptylu

6. Základní principy multivariačních metod, neřízené multivariační metody PCA a HCA

7. Řízené multivariační metody - Klasifikace a regrese

8. Metody strojového učení – Logistická regrese, rozhodovací stromy a Random Forest,

9. Metody strojového učení – Support vector machines a neuronové sítě

10. Evaluace statistických modelů – křížová validace, ROC analýza a dalši

11. Design experimentu

12. Kontrola kvality, mezilaboratorní testy

13. Shrnutí dosavadního učiva před závěrečným testem

14. závěrečný test

1. Recap, descriptive analysis of data sets

2. Hypothesis testing – parametric and non-parametric variants

3. Tests for variance and mean value

4. Regression analysis and correlation analysis

5. Analysis of variance

6. Basic principles of multivariate methods, unsupervised multivariate methods PCA and HCA

7. Supervised multivariate methods - Classification and regression

8. Machine learning methods - Logistic regression, decision trees, and Random Forest

9. Machine learning methods - Support vector machines and neural networks

10. Evaluation of statistical models - cross-validation, ROC analysis, and others

11. Experiment design

12. Quality control, interlaboratory tests

13. Summary of the course material before the final test

14. Final test

E-learning

https://e-learning.vscht.cz/course/view.php?id=544

http://mms01.vscht.cz/vyuka/

http://www.statistica.cz/

Studenti budou umět:

Vybrat vhodné statistické metody pro řešení daného problému.

Realizovat tyto statistické analýzy s programy MS Excel a RStudio či JASP.

Formulovat experimentální závěry na základě výsledků statistických analýz

Students will be able to:

• realize statistical analysis in the MS Excel and Statistica software.

Vstupní požadavky v rozsahu učiva předmětu Matematika I

Mathematics I