MA012 Statistika II

Fakulta informatiky
podzim 2020
Rozsah
2/2/0. 3 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
Vyučující
Mgr. Ondřej Pokora, Ph.D. (přednášející)
Garance
Mgr. Ondřej Pokora, Ph.D.
Katedra teorie programování – Fakulta informatiky
Dodavatelské pracoviště: Přírodovědecká fakulta
Rozvrh
Po 16:00–17:50 A318
  • Rozvrh seminárních/paralelních skupin:
MA012/01: Po 18:00–19:50 A215, O. Pokora
MA012/02: Čt 10:00–11:50 A215, O. Pokora
MA012/03: Čt 12:00–13:50 A215, O. Pokora
Předpoklady
Předpokládá se znalost diferenciálního a integrálního počtu, základní znalosti z lineární algebry a znalosti pravděpodobnosti a statistiky (včetně základní zkušenosti se softwarem R) v rozsahu předmětu MV011 Statistika I.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 25 mateřských oborů, zobrazit
Cíle předmětu
Kurz seznamuje studenty s pokročilými metodami matematické statistiky -- vysvětluje příslušné algoritmy, výpočetní postupy, podmínky použití, interpretace výsledků a praktické použití pro analýzu reálných datových souborů ve statistickém softwaru R. Po absolvování kurzu bude student rozumět principům složitějších statistických metod (analýza rozptylu, neparametrické testy, testy dobré shody, korelační analýza, analýza hlavních komponent, zobecněné lineární modely, regresní diagnostika, testování nezávislosti), bude je umět použít při analýze reálných datových souborů a bude umět interpretovat výsledky analýz.
Výstupy z učení
Po absolvování předmětu bude student schopen:
- vysvětlit principy a algoritmy pokročilých metod matematické statistiky;
- provést statistickou analýzu reálného datového souboru v softwaru R;
- intepretovat a využít výsledky získané analýzou datového souboru.
Osnova
  • Analýza rozptylu (ANOVA): jedno- a dvou-faktorová, s interakcemi.
  • Neparametrické testy: testy založené na pořadích.
  • Testy dobré shody.
  • Korelační analýza, korelační koeficienty, pořadové korelační koeficienty.
  • Regresní diagnostika.
  • Autokorelace, multikolinearita.
  • Analýza hlavních komponent (PCA).
  • Zobecněné lineární modely (GLM): logistická regrese a využití ROC křivky, některé další GLM.
  • Kontingenční tabulky a testování nezávislosti.
Literatura
  • ANDĚL, J. Základy matematické statistiky. Praha: MFF UK, 2005. info
  • RAO, C. Radhakrishna. Lineární metody statistické indukce a jejich aplikace. Translated by Josef Machek. Vyd. 1. Praha: Academia, 1978, 666 s. URL info
  • BERNSTEIN, Stephen a Ruth BERNSTEIN. Schaum's outline of theory and problems of elements of statistics : descriptive statistics and probability. New York, N.Y.: McGraw-Hill, 1999, vii, 354. ISBN 0070050236. info
  • ANDĚL, Jiří. Statistické metody. 1. vyd. Praha: Matfyzpress, 1993, 246 s. info
Výukové metody
Přednáška: 2 h týdně. Cvičení: 2 h týdně – práce v softwaru R. Výuka proběhne distančně, formou online přednášky, cvičení a diskuse.
Metody hodnocení
Cvičení: aktivní zapojení do řešení úloh, práce s odpovědníky, včasné řešení průběžných a závěrečných úkolů. Forma závěrečné zkoušky: distanční. Distanční forma závěrečné zkoušky: online práce s odpovědníkem, teoretické otázky a řešení úloh. Odpovědníky, závěrečné úlohy a zkouška jsou bodově hodnoceny, celkový dosažitelný počet bodů >= 100. Pro úspěšné absolvování je potřeba dosáhnout alespoň 50 bodů.
Informace učitele
https://is.muni.cz/auth/el/fi/podzim2020/MA012/index.qwarp
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2002, podzim 2003, podzim 2004, podzim 2005, podzim 2006, podzim 2007, podzim 2008, podzim 2009, podzim 2010, podzim 2011, podzim 2012, podzim 2013, podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2018, podzim 2019, podzim 2021, podzim 2022, podzim 2023, podzim 2024.