FI:MB143 Návrh a analýza experimentů - Informace o předmětu
MB143 Návrh a analýza statistických experimentů
Fakulta informatikyjaro 2022
- Rozsah
- 2/2/0. 3 kr. (plus ukončení). Ukončení: zk.
- Vyučující
- doc. Mgr. David Kraus, Ph.D. (přednášející)
Mgr. Karolína Hrabcová (cvičící)
Mgr. Andrea Kraus, M.Sc., Ph.D. (pomocník) - Garance
- prof. RNDr. Jan Slovák, DrSc.
Katedra teorie programování – Fakulta informatiky
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta - Rozvrh
- Út 15. 2. až Út 10. 5. Út 10:00–11:50 D2
- Rozvrh seminárních/paralelních skupin:
MB143/02: Čt 17. 2. až Čt 12. 5. Čt 14:00–15:50 A320, D. Kraus
MB143/03: Po 14. 2. až Po 9. 5. Po 18:00–19:50 A215, K. Hrabcová
MB143/04: Po 14. 2. až Po 9. 5. Po 16:00–17:50 A320, K. Hrabcová - Předpoklady
- MB141 Lineární alg. a diskrétní mat. || MB142 Aplikovaná matematická analýza || MB101 Lineární modely || MB201 Lineární modely B || MB102 Dif. a integrální počet || MB202 Dif. a integrální počet B || MB151 Lineární modely || MB152 Dif. a integrální počet
- Omezení zápisu do předmětu
- Předmět je nabízen i studentům mimo mateřské obory.
- Mateřské obory/plány
- Analýza a zpracování obrazu (program FI, N-VIZ)
- Bioinformatika a systémová biologie (program FI, N-UIZD)
- Computer Games Development (program FI, N-VIZ_A)
- Computer Graphics and Visualisation (program FI, N-VIZ_A)
- Computer Networks and Communications (program FI, N-PSKB_A)
- Cybersecurity Management (program FI, N-RSSS_A)
- Formální analýza počítačových systémů (program FI, N-TEI)
- Grafický design (program FI, N-VIZ)
- Graphic Design (program FI, N-VIZ_A)
- Hardware Systems (program FI, N-PSKB_A)
- Hardwarové systémy (program FI, N-PSKB)
- Image Processing and Analysis (program FI, N-VIZ_A)
- Informační bezpečnost (program FI, N-PSKB)
- Informatika (program FI, B-INF) (2)
- Informatika ve vzdělávání (program FI, B-IVV) (2)
- Information Security (program FI, N-PSKB_A)
- Kvantové a jiné neklasické výpočetní modely (program FI, N-TEI)
- Počítačová grafika a vizualizace (program FI, N-VIZ)
- Počítačové sítě a komunikace (program FI, N-PSKB)
- Principy programovacích jazyků (program FI, N-TEI)
- Programování a vývoj aplikací (program FI, B-PVA)
- Řízení kyberbezpečnosti (program FI, N-RSSS)
- Řízení vývoje služeb (program FI, N-RSSS)
- Řízení vývoje softwarových systémů (program FI, N-RSSS)
- Services Development Management (program FI, N-RSSS_A)
- Software Systems Development Management (program FI, N-RSSS_A)
- Software Systems (program FI, N-PSKB_A)
- Softwarové systémy (program FI, N-PSKB)
- Strojové učení a umělá inteligence (program FI, N-UIZD)
- Učitel informatiky a správce sítě (program FI, N-UCI)
- Učitelství informatiky pro střední školy (program FI, N-UCI) (2)
- Vývoj počítačových her (program FI, N-VIZ)
- Zpracování a analýza rozsáhlých dat (program FI, N-UIZD)
- Zpracování přirozeného jazyka (program FI, N-UIZD)
- Cíle předmětu
- Kurs seznamuje studenty s principy a metodami statistické analýzy dat a s typy a charakteristikami dat vhodných k zodpovězení položených otázek.
- Výstupy z učení
- Po absolvování kursu student:
- umí zformulovat položenou otázku v řeči statistické inference (odhad parametrů nebo testování hypotéz ve vhodném modelu);
- umí pro základní typy dat zvolit vhodný model a pro zodpovězení nejčastějších otázek vhodnou metodu statistické inference, implementovat ji ve statistickém software R a správně interpretovat získané výsledky;
- dovede posoudit, jaké otázky a s jakou přesností/(ne)jistotou je možné s pomocí dostupných dat zodpovědět, anebo navrhnout, jaká data by se za účelem zodpovězení daných otázek s danou přesností/(ne)jistotou měla shromáždit. - Osnova
- Základní pravděpodobnostní principy.
- Náhodné veličiny, jejich charakteristiky a vzájemné vztahy.
- Vlastnosti funkcí náhodných veličin.
- Data jako realizace náhodných veličin.
- Popisné statistiky a výběr vhodného modelu.
- Bodové a intervalové odhady parametrů: principy a nejužívanější metody.
- Testování hypotéz: principy a nejužívanější metody.
- Lineární regrese, analýza rozptylu, analýza kovariance.
- Způsoby sběru dat, jejich cíle, záběr a limitace.
- Návrh experimentu.
- Literatura
- doporučená literatura
- CASELLA, George a Roger L. BERGER. Statistical inference. 2nd ed. Pacific Grove, Calif.: Duxbury, 2002, xxviii, 66. ISBN 0534243126. info
- MILLIKEN, George A. a Dallas E. JOHNSON. Analysis of messy data. Second edition. Boca Raton: CRC Press, 2009, xiii, 674. ISBN 9781584883340. info
- ZVÁRA, Karel a Josef ŠTĚPÁN. Pravděpodobnost a matematická statistika [Zvára, 2001]. 2. vyd. Praha: Matfyzpress, 2001, 230 s. ISBN 80-85863-76-6. info
- ANDĚL, J. Základy matematické statistiky. Praha: MFF UK, 2005. info
- ANDĚL, Jiří. Statistické metody. 1. vyd. Praha: Matfyzpress, 1993, 246 s. info
- FORBELSKÁ, Marie a Jan KOLÁČEK. Pravděpodobnost a statistika I. 1. vyd. Brno: Masarykova univerzita, 2013. Elportál. ISBN 978-80-210-6710-3. url info
- FORBELSKÁ, Marie a Jan KOLÁČEK. Pravděpodobnost a statistika II. 1. vyd. Brno: Masarykova univerzita, 2013. Elportál. ISBN 978-80-210-6711-0. url info
- Výukové metody
- Přednášky: 2 hodiny týdně; zaměřeny na vysvětlení pojmů, principů a metod.
Cvičení: 2 hodiny týdně; zaměřeny na hlubší pochopení principů a metod, na jejich použití na konkrétní data pomocí statistického software R a na interpretaci získaných výsledků. - Metody hodnocení
- V průběhu semestru: dva domácí úkoly celkem za 40 bodů. Po skončení semestru: písemná zkouška za 60 bodů. Závěrečné hodnocení se odvíjí od součtu S bodů z úkolů a písemné zkoušky. Pro úspěšné absolvování je potřeba nejméně 51 bodů. Přepočet bodů na známky: A pro S v [91,100], B pro S v [81,90], C pro S v [71,80], D pro S v [61,70], E pro S v [51,60], F pro S v [0,50].
- Navazující předměty
- Informace učitele
- https://is.muni.cz/auth/el/fi/jaro2022/MB143/index.qwarp
- Další komentáře
- Předmět je vyučován každoročně.
- Nachází se v prerekvizitách jiných předmětů
- Statistika zápisu (jaro 2022, nejnovější)
- Permalink: https://is.muni.cz/predmet/fi/jaro2022/MB143