FI:MA012 Statistika II - Informace o předmětu
MA012 Statistika II
Fakulta informatikypodzim 2021
- Rozsah
- 2/2/0. 3 kr. (plus ukončení). Doporučované ukončení: zk. Jiná možná ukončení: k, z.
- Vyučující
- Mgr. Ondřej Pokora, Ph.D. (přednášející)
Mgr. Markéta Zoubková (cvičící) - Garance
- Mgr. Ondřej Pokora, Ph.D.
Katedra teorie programování – Fakulta informatiky
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta - Rozvrh
- St 15. 9. až St 15. 12. St 16:00–17:50 A318
- Rozvrh seminárních/paralelních skupin:
MA012/02: Čt 16. 9. až Čt 9. 12. Čt 14:00–15:50 A215, M. Zoubková
MA012/03: Čt 16. 9. až Čt 9. 12. Čt 16:00–17:50 A215, M. Zoubková - 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
- Navarro D. Learning Statistics with R. https://learningstatisticswithr.com/
- SCHUMACKER, Randall E. Learning statistics using R. Los Angeles: Sage, 2015, xxiii, 623. ISBN 9781452286297. info
- FIELD, Andy P., Jeremy MILES a Zoë FIELD. Discovering statistics using R. First published. Los Angeles: Sage, 2012, xxxiv, 957. ISBN 9781446200452. info
- DAVIES, Tilman M. The book of R : a first course in programming and statistics. San Francisco: No Starch Press, 2016, xxxi, 792. ISBN 9781593276515. info
- Výukové metody
- Výuka probíhá prezenčním způsobem: přednáška = 2 h týdně, cvičení: 2 h týdně – práce v softwaru R, diskuze. V případě nařízení o přechodu na dálkovou formu výuky budou přednášky i cvičení pokračovat v online podobě v MS Teams.
- Metody hodnocení
- Cvičení: účast na cvičeních a aktivní zapojení do řešení úloh, práce s odpovědníky, včasné řešení průběžných a závěrečných úkolů. Forma závěrečné zkoušky: prezenční – písemná. Odpovědníky, závěrečné úlohy a zkouška jsou bodově hodnoceny, celkový dosažitelný počet bodů >= 100. Pro úspěšné absolvování je potřeba dosáhnout alespoň 50 bodů. V případě nařízení o distanční formě zkoušky: online práce s odpovědníkem – teoretické otázky a řešení úloh.
- Informace učitele
- https://is.muni.cz/auth/el/fi/podzim2021/MA012/index.qwarp
Podrobné infromace, harmonogram přednášek a cvičení a studijní materiály pro aktuální období jsou uvedeny v interaktivní osnově v ISu. - Další komentáře
- Studijní materiály
Předmět je vyučován každoročně.
- Statistika zápisu (podzim 2021, nejnovější)
- Permalink: https://is.muni.cz/predmet/fi/podzim2021/MA012