Studenti budou umět:

Statisticky zpracovat získané (naměřené) datové soubory pomocí MS Excel, volně dostupných softwarů Rstudio příp. MetaboAnalyst a získané výsledky správně interpretovat.

Student will be able to:

• statistically process the obtained (measured) data files using MS Excel, freely available software Rstudio or MetaboAnalyst and correctly interpret the obtained results.

Z: Eckschlager K., Horsák I., Kodejš Z.: Vyhodnocování analytických výsledků a metod, SNTL Praha, 1980, ISBN 04-610-80

Elektronické zdroje:

Z: M. Meloun, J. Militký : Statistické zpracování experimentálních dat - v chemometrii, biometrii, ekonometrii a v dalších oborech přírodních, technických a společenských věd, https://meloun.upce.cz/docs/books/ucebnice-sken.pdf

Z: Elektronická nápověda k programu MS Excel podle aktuální verze

Z: http://www.statistica.cz/

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

R: Eckschlager K., Horsák I., Kodejš Z.: Vyhodnocování analytických výsledků a metod, SNTL Praha, 1980, ISBN 04-610-80

Electronic resources:

R: Z: M. Meloun, J. Militký : Statistické zpracování experimentálních dat - v chemometrii, biometrii, ekonometrii a v dalších oborech přírodních, technických a společenských věd, https://meloun.upce.cz/docs/books/ucebnice-sken.pdf

R: Elektronická nápověda k programu MS Excel podle aktuální verze

R: http://www.statistica.cz/

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

e-learning/ Statistické zpracování dat

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

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

V rozsahu sylabu

Within the extent of the syllabus.

1. Stručný historický úvod, histogram, náhodná veličina

2. Četnost absolutní, relativní, kumulativní, relativní-kumulativní, výběr, náhodný výběr, definice pravděpodobnosti, permutace, variace, kombinace

3. Frekvenční a distribuční funkce

4. Chyba absolutní a relativní, staistické odhady, střední hodnota, rozptyl, koeficient šikmosti a špičatosti

5. Statistické testy parametrické

6. Statistické testy neparametrické

7. Vztahy mezi dvěma proměnnými, lineární regrese, metoda nejmenších čtverců

8. Regrese nelineární, polynomická, linearizace, iterační výpočty

9. Korelace, korelační koeficient, korelační matice, elipsa spolehlivosti

10. Analýza rozptylu

11. Úvod do vícerozměrných statistických metod

12. Principy neuronových sítí

13. Využití fuzzy množin

14. Moderní trendy ve zpracování dat

1. History introduction, histogram, random value.

2. Frequency - absolute, relative, cumulative and relative cumulative, probability, random selection, variartion, permutation, combination.

3. Frequency and distributin function.

4. Absolute and relative error, statistical estimations, mean value, variance, curtoisis, skewnes.

5. Statistical tests - parametric.

6. Statistical tests - nonparametric.

7. Regression - linear.

8. Regression - nonlinear, polynomic, linearization.

9. Correlation, coefficient and matrix.

10. Analysis of variance.

11. Introduction to the multivariate methods.

12. Basic principles of the neural networks.

13. Using fuzzy sets.

14. New trends in data processing.

Matematika I

Mathematics I

Obhajoba individuálníhoho projektu

Individual statistical project