Informace o předmětu

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.
Vyučováno kontaktně

Vyučující

doc. PaedDr. RNDr. Stanislav Katina, Ph.D. (přednášející)
Mgr. Vojtěch Šindlář (cvičící)

Garance

doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Předpoklady

M5120 Lineární statistické modely I
Lineární regresní model: na úrovni předmětu M5120. Teorie pravděpodobnosti a matematické statistiky, zejména teorie odhadu a testování statistických hypotéz: na úrovni předmětu M4122. Uživatelská znalost statistického software R: na úrovni předmětu M4130.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Biomedicínská bioinformatika (program PřF, N-MBB)
• Epidemiologie a modelování (program PřF, N-MBB)

Cíle předmětu

Předmět nabízí nejprve detailnější pohled na některé speciální případy linárního modelu a poté přehled zobecnění lineárního modelu pro situace, kdy nejsou splněny jeho předpoklady. Ve druhé části je důraz kladen na získání nadhledu nad širokým spektrem technik, schopnost tyto techniky použít a porozumění souvislostem mezi nimi. Studenti jsou rovněž seznámeni s magisterskými kurzy a literaturou nabízejícími hlubší poznatky o probíraných technikách.

Výstupy z učení

Student bude po absolvování předmětu schopen:
- testovat hypotézy LRM;
- navrhnout a vysvětlit vhodný LRM;
- aplikovat LRM na reálná data;
- naprogramovat LRM v R.

Osnova

• Asymptotické testy o středních hodnotách přes lineární regresní model (LRM)
• Jedno-faktorový model analýzy rozptylu (ANOVA) s fixními efekty za homogenity a nehomogenity rozptylů.
• Dvou-faktorový a hierarchický ANOVA model s fixními efekty.
• Analýza kovariance (ANCOVA).
• Kvadratická a polynomická regrese.
• Sdružené a podmíněné mnohorozměrné normální rozdělení.
• Korelační analýza.
• LRM (homogenní a nehomogenní rozptyly), LRM s fixními efekty a korelovanými chybami, vážená metoda nejmenších čtverců.
• Ortogonální regresní model.
• Implementace v R.

Literatura

doporučená literatura
• KATINA, Stanislav, Miroslav KRÁLÍK a Adéla HUPKOVÁ. Aplikovaná štatistická inferencia I. Biologická antropológia očami matematickej štatistiky. 1. vyd. Brno: Masarykova univerzita, 2015, 320 s. ISBN 978-80-210-7752-2. info
• HARRELL, Frank E. Regression modeling strategies : with applications to linear models, logistic and ordinal regression, and survival analysis. Second edition. Heidelberg: Springer, 2015, xxiii, 582. ISBN 9783319194240. info
• FARAWAY, Julian James. Linear models with R. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2014, xii, 274. ISBN 9781439887332. info
• RAO, C. Radhakrishna a Helge TOUTENBURG. Linear models : least squares and alternatives. New York: Springer-Verlag, 1995, 352 s. ISBN 0387945628. info

Výukové metody

Přednáška: teoretická výuka kombinovaná s praktickými příklady.
Cvičení: praktická cvičení zaměřena na analýzu dat. Online přes MS Teams nebo prezenčně podle vývoje epidemiologické situace a platných omezení.

Metody hodnocení

Podmínky: uspokojivě zpracovaný semestrální datový projekt, ústní závěrečná zkouška. Podmínky mohou být upřesněny podle vývoje epidemiologické situace a platných omezení.

Informace učitele

https://is.muni.cz/auth/el/1431/jaro2017/M6120/index.qwarp
Přednášky budou probíhat prezenčně dle rozvrhu. V IS bude vždy k dispozici záznam textu přednášky v PDF (přednášející text píše elektronickým perem na obrazovce tabletu a tento se zobrazuje na plátně) a slajdy v PDF s TeXovaným textem. Záznamy se budou sdílet až po dané přednášce a před další přednáškou.
K získání zápočtu je potřeba aktivní účast na cvičeních (povolené jsou 2 neomluvené absence). Za omluvenou absenci se považuje výhradně absence omluvená na studijním oddělení a zavedená do informačního systému v řádném termínu (do 5 pracovních dnů od termínu konání výuky). Je to v souladu se studijním řádem, kde se v čl.9 odstavci (7) píše, že (7) Student je povinen písemně omluvit na studijním oddělení fakulty svou neúčast do 5 pracovních dnů od termínu konání výuky, jež je omlouvána.

Další komentáře

Předmět je vyučován každoročně.
Výuka probíhá každý týden.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

doc. PaedDr. RNDr. Stanislav Katina, Ph.D. (přednášející)
Mgr. Vojtěch Šindlář (cvičící)

Garance

doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

Po 19. 2. až Ne 26. 5. Út 8:00–9:50 M4,01024

• Rozvrh seminárních/paralelních skupin:

M6120/01: Po 19. 2. až Ne 26. 5. Čt 18:00–19:50 MP1,01014, V. Šindlář

Předpoklady

M5120 Lineární statistické modely I
Lineární regresní model: na úrovni předmětu M5120. Teorie pravděpodobnosti a matematické statistiky, zejména teorie odhadu a testování statistických hypotéz: na úrovni předmětu M4122. Uživatelská znalost statistického software R: na úrovni předmětu M4130.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Biomedicínská bioinformatika (program PřF, N-MBB)
• Epidemiologie a modelování (program PřF, N-MBB)

Cíle předmětu

Předmět nabízí nejprve detailnější pohled na některé speciální případy linárního modelu a poté přehled zobecnění lineárního modelu pro situace, kdy nejsou splněny jeho předpoklady. Ve druhé části je důraz kladen na získání nadhledu nad širokým spektrem technik, schopnost tyto techniky použít a porozumění souvislostem mezi nimi. Studenti jsou rovněž seznámeni s magisterskými kurzy a literaturou nabízejícími hlubší poznatky o probíraných technikách.

Výstupy z učení

Student bude po absolvování předmětu schopen:
- testovat hypotézy LRM;
- navrhnout a vysvětlit vhodný LRM;
- aplikovat LRM na reálná data;
- naprogramovat LRM v R.

Osnova

• Asymptotické testy o středních hodnotách přes lineární regresní model (LRM)
• Jedno-faktorový model analýzy rozptylu (ANOVA) s fixními efekty za homogenity a nehomogenity rozptylů.
• Dvou-faktorový a hierarchický ANOVA model s fixními efekty.
• Analýza kovariance (ANCOVA).
• Kvadratická a polynomická regrese.
• Sdružené a podmíněné mnohorozměrné normální rozdělení.
• Korelační analýza.
• LRM (homogenní a nehomogenní rozptyly), LRM s fixními efekty a korelovanými chybami, vážená metoda nejmenších čtverců.
• Ortogonální regresní model.
• Implementace v R.

Literatura

doporučená literatura
• KATINA, Stanislav, Miroslav KRÁLÍK a Adéla HUPKOVÁ. Aplikovaná štatistická inferencia I. Biologická antropológia očami matematickej štatistiky. 1. vyd. Brno: Masarykova univerzita, 2015, 320 s. ISBN 978-80-210-7752-2. info
• HARRELL, Frank E. Regression modeling strategies : with applications to linear models, logistic and ordinal regression, and survival analysis. Second edition. Heidelberg: Springer, 2015, xxiii, 582. ISBN 9783319194240. info
• FARAWAY, Julian James. Linear models with R. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2014, xii, 274. ISBN 9781439887332. info
• RAO, C. Radhakrishna a Helge TOUTENBURG. Linear models : least squares and alternatives. New York: Springer-Verlag, 1995, 352 s. ISBN 0387945628. info

Výukové metody

Přednáška: teoretická výuka kombinovaná s praktickými příklady.
Cvičení: praktická cvičení zaměřena na analýzu dat. Online přes MS Teams nebo prezenčně podle vývoje epidemiologické situace a platných omezení.

Metody hodnocení

Podmínky: uspokojivě zpracovaný semestrální datový projekt, ústní závěrečná zkouška. Podmínky mohou být upřesněny podle vývoje epidemiologické situace a platných omezení.

Informace učitele

https://is.muni.cz/auth/el/1431/jaro2017/M6120/index.qwarp
Přednášky budou probíhat prezenčně dle rozvrhu. V IS bude vždy k dispozici záznam textu přednášky v PDF (přednášející text píše elektronickým perem na obrazovce tabletu a tento se zobrazuje na plátně) a slajdy v PDF s TeXovaným textem. Záznamy se budou sdílet až po dané přednášce a před další přednáškou.
K získání zápočtu je potřeba aktivní účast na cvičeních (povolené jsou 2 neomluvené absence). Za omluvenou absenci se považuje výhradně absence omluvená na studijním oddělení a zavedená do informačního systému v řádném termínu (do 5 pracovních dnů od termínu konání výuky). Je to v souladu se studijním řádem, kde se v čl.9 odstavci (7) píše, že (7) Student je povinen písemně omluvit na studijním oddělení fakulty svou neúčast do 5 pracovních dnů od termínu konání výuky, jež je omlouvána.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

doc. PaedDr. RNDr. Stanislav Katina, Ph.D. (přednášející)
Mgr. Vojtěch Šindlář (cvičící)

Garance

doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

Po 10:00–11:50 M1,01017

• Rozvrh seminárních/paralelních skupin:

M6120/01: Út 18:00–19:50 MP1,01014, V. Šindlář
M6120/02: Po 8:00–9:50 MP1,01014, V. Šindlář

Předpoklady

M5120 Lineární statistické modely I
Lineární regresní model: na úrovni předmětu M5120. Teorie pravděpodobnosti a matematické statistiky, zejména teorie odhadu a testování statistických hypotéz: na úrovni předmětu M4122. Uživatelská znalost statistického software R: na úrovni předmětu M4130.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Biomedicínská bioinformatika (program PřF, N-MBB)
• Epidemiologie a modelování (program PřF, N-MBB)

Cíle předmětu

Předmět nabízí nejprve detailnější pohled na některé speciální případy linárního modelu a poté přehled zobecnění lineárního modelu pro situace, kdy nejsou splněny jeho předpoklady. Ve druhé části je důraz kladen na získání nadhledu nad širokým spektrem technik, schopnost tyto techniky použít a porozumění souvislostem mezi nimi. Studenti jsou rovněž seznámeni s magisterskými kurzy a literaturou nabízejícími hlubší poznatky o probíraných technikách.

Výstupy z učení

Student bude po absolvování předmětu schopen:
- testovat hypotézy LRM;
- navrhnout a vysvětlit vhodný LRM;
- aplikovat LRM na reálná data;
- naprogramovat LRM v R.

Osnova

• Asymptotické testy o středních hodnotách přes lineární regresní model (LRM)
• Jedno-faktorový model analýzy rozptylu (ANOVA) s fixními efekty za homogenity a nehomogenity rozptylů.
• Dvou-faktorový a hierarchický ANOVA model s fixními efekty.
• Analýza kovariance (ANCOVA).
• Kvadratická a polynomická regrese.
• Sdružené a podmíněné mnohorozměrné normální rozdělení.
• Korelační analýza.
• LRM (homogenní a nehomogenní rozptyly), LRM s fixními efekty a korelovanými chybami, vážená metoda nejmenších čtverců.
• Ortogonální regresní model.
• Implementace v R.

Literatura

doporučená literatura
• KATINA, Stanislav, Miroslav KRÁLÍK a Adéla HUPKOVÁ. Aplikovaná štatistická inferencia I. Biologická antropológia očami matematickej štatistiky. 1. vyd. Brno: Masarykova univerzita, 2015, 320 s. ISBN 978-80-210-7752-2. info
• HARRELL, Frank E. Regression modeling strategies : with applications to linear models, logistic and ordinal regression, and survival analysis. Second edition. Heidelberg: Springer, 2015, xxiii, 582. ISBN 9783319194240. info
• FARAWAY, Julian James. Linear models with R. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2014, xii, 274. ISBN 9781439887332. info
• RAO, C. Radhakrishna a Helge TOUTENBURG. Linear models : least squares and alternatives. New York: Springer-Verlag, 1995, 352 s. ISBN 0387945628. info

Výukové metody

Přednáška: teoretická výuka kombinovaná s praktickými příklady.
Cvičení: praktická cvičení zaměřena na analýzu dat. Online přes MS Teams nebo prezenčně podle vývoje epidemiologické situace a platných omezení.

Metody hodnocení

Podmínky: uspokojivě zpracovaný semestrální datový projekt, ústní závěrečná zkouška. Podmínky mohou být upřesněny podle vývoje epidemiologické situace a platných omezení.

Informace učitele

https://is.muni.cz/auth/el/1431/jaro2017/M6120/index.qwarp
Přednášky budou probíhat prezenčně dle rozvrhu. V IS bude vždy k dispozici záznam textu přednášky v PDF (přednášející text píše elektronickým perem na obrazovce tabletu a tento se zobrazuje na plátně) a slajdy v PDF s TeXovaným textem. Záznamy se budou sdílet až po dané přednášce a před další přednáškou.
K získání zápočtu je potřeba aktivní účast na cvičeních (povolené jsou 2 neomluvené absence). Za omluvenou absenci se považuje výhradně absence omluvená na studijním oddělení a zavedená do informačního systému v řádném termínu (do 5 pracovních dnů od termínu konání výuky). Je to v souladu se studijním řádem, kde se v čl.9 odstavci (7) píše, že (7) Student je povinen písemně omluvit na studijním oddělení fakulty svou neúčast do 5 pracovních dnů od termínu konání výuky, jež je omlouvána.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

doc. PaedDr. RNDr. Stanislav Katina, Ph.D. (přednášející)
Mgr. Vojtěch Šindlář (cvičící)

Garance

doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

Út 10:00–11:50 M4,01024

• Rozvrh seminárních/paralelních skupin:

M6120/01: St 10:00–11:50 MP1,01014, V. Šindlář

Předpoklady

M5120 Lineární statistické modely I
Lineární regresní model: na úrovni předmětu M5120. Teorie pravděpodobnosti a matematické statistiky, zejména teorie odhadu a testování statistických hypotéz: na úrovni předmětu M4122. Uživatelská znalost statistického software R: na úrovni předmětu M4130.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Biomedicínská bioinformatika (program PřF, N-MBB)
• Epidemiologie a modelování (program PřF, N-MBB)

Cíle předmětu

Předmět nabízí nejprve detailnější pohled na některé speciální případy linárního modelu a poté přehled zobecnění lineárního modelu pro situace, kdy nejsou splněny jeho předpoklady. Ve druhé části je důraz kladen na získání nadhledu nad širokým spektrem technik, schopnost tyto techniky použít a porozumění souvislostem mezi nimi. Studenti jsou rovněž seznámeni s magisterskými kurzy a literaturou nabízejícími hlubší poznatky o probíraných technikách.

Výstupy z učení

Student bude po absolvování předmětu schopen:
- testovat hypotézy LRM;
- navrhnout a vysvětlit vhodný LRM;
- aplikovat LRM na reálná data;
- naprogramovat LRM v R.

Osnova

• Asymptotické testy o středních hodnotách přes lineární regresní model (LRM)
• Jedno-faktorový model analýzy rozptylu (ANOVA) s fixními efekty za homogenity a nehomogenity rozptylů.
• Dvou-faktorový a hierarchický ANOVA model s fixními efekty.
• Analýza kovariance (ANCOVA).
• Kvadratická a polynomická regrese.
• Sdružené a podmíněné mnohorozměrné normální rozdělení.
• Korelační analýza.
• LRM (homogenní a nehomogenní rozptyly), LRM s fixními efekty a korelovanými chybami, vážená metoda nejmenších čtverců.
• Ortogonální regresní model.
• Implementace v R.

Literatura

doporučená literatura
• KATINA, Stanislav, Miroslav KRÁLÍK a Adéla HUPKOVÁ. Aplikovaná štatistická inferencia I. Biologická antropológia očami matematickej štatistiky. 1. vyd. Brno: Masarykova univerzita, 2015, 320 s. ISBN 978-80-210-7752-2. info
• HARRELL, Frank E. Regression modeling strategies : with applications to linear models, logistic and ordinal regression, and survival analysis. Second edition. Heidelberg: Springer, 2015, xxiii, 582. ISBN 9783319194240. info
• FARAWAY, Julian James. Linear models with R. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2014, xii, 274. ISBN 9781439887332. info
• RAO, C. Radhakrishna a Helge TOUTENBURG. Linear models : least squares and alternatives. New York: Springer-Verlag, 1995, 352 s. ISBN 0387945628. info

Výukové metody

Přednáška: teoretická výuka kombinovaná s praktickými příklady.
Cvičení: praktická cvičení zaměřena na analýzu dat. Online přes MS Teams nebo prezenčně podle vývoje epidemiologické situace a platných omezení.

Metody hodnocení

Podmínky: uspokojivě zpracovaný semestrální datový projekt, ústní závěrečná zkouška. Podmínky mohou být upřesněny podle vývoje epidemiologické situace a platných omezení.

Informace učitele

https://is.muni.cz/auth/el/1431/jaro2017/M6120/index.qwarp
Přednášky budou probíhat prezenčně dle rozvrhu. V IS bude vždy k dispozici záznam textu přednášky v PDF (přednášející text píše elektronickým perem na obrazovce tabletu a tento se zobrazuje na plátně) a slajdy v PDF s TeXovaným textem. Záznamy se budou sdílet až po dané přednášce a před další přednáškou.
K získání zápočtu je potřeba aktivní účast na cvičeních (povolené jsou 2 neomluvené absence). Za omluvenou absenci se považuje výhradně absence omluvená na studijním oddělení a zavedená do informačního systému v řádném termínu (do 5 pracovních dnů od termínu konání výuky). Je to v souladu se studijním řádem, kde se v čl.9 odstavci (7) píše, že (7) Student je povinen písemně omluvit na studijním oddělení fakulty svou neúčast do 5 pracovních dnů od termínu konání výuky, jež je omlouvána.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

doc. PaedDr. RNDr. Stanislav Katina, Ph.D. (přednášející)
Mgr. Vojtěch Šindlář (cvičící)

Garance

doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

Po 1. 3. až Pá 14. 5. Út 8:00–9:50 online_M2

• Rozvrh seminárních/paralelních skupin:

M6120/01: Po 1. 3. až Pá 14. 5. St 16:00–17:50 online_MP1, V. Šindlář
M6120/02: Po 1. 3. až Pá 14. 5. St 18:00–19:50 online_MP1, V. Šindlář

Předpoklady

M5120 Lineární statistické modely I
Lineární regresní model: na úrovni předmětu M5120. Teorie pravděpodobnosti a matematické statistiky, zejména teorie odhadu a testování statistických hypotéz: na úrovni předmětu M4122. Uživatelská znalost statistického software R: na úrovni předmětu M4130.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Biomedicínská bioinformatika (program PřF, N-MBB)
• Epidemiologie a modelování (program PřF, N-MBB)

Cíle předmětu

Předmět nabízí nejprve detailnější pohled na některé speciální případy linárního modelu a poté přehled zobecnění lineárního modelu pro situace, kdy nejsou splněny jeho předpoklady. Ve druhé části je důraz kladen na získání nadhledu nad širokým spektrem technik, schopnost tyto techniky použít a porozumění souvislostem mezi nimi. Studenti jsou rovněž seznámeni s magisterskými kurzy a literaturou nabízejícími hlubší poznatky o probíraných technikách.

Výstupy z učení

Student bude po absolvování předmětu schopen:
- testovat hypotézy LRM;
- navrhnout a vysvětlit vhodný LRM;
- aplikovat LRM na reálná data;
- naprogramovat LRM v R.

Osnova

• Asymptotické testy o středních hodnotách přes lineární regresní model (LRM)
• Jedno-faktorový model analýzy rozptylu (ANOVA) s fixními efekty za homogenity a nehomogenity rozptylů.
• Dvou-faktorový a hierarchický ANOVA model s fixními efekty.
• Analýza kovariance (ANCOVA).
• Kvadratická a polynomická regrese.
• Sdružené a podmíněné mnohorozměrné normální rozdělení.
• Korelační analýza.
• LRM (homogenní a nehomogenní rozptyly), LRM s fixními efekty a korelovanými chybami, vážená metoda nejmenších čtverců.
• Ortogonální regresní model.
• Implementace v R.

Literatura

doporučená literatura
• KATINA, Stanislav, Miroslav KRÁLÍK a Adéla HUPKOVÁ. Aplikovaná štatistická inferencia I. Biologická antropológia očami matematickej štatistiky. 1. vyd. Brno: Masarykova univerzita, 2015, 320 s. ISBN 978-80-210-7752-2. info
• HARRELL, Frank E. Regression modeling strategies : with applications to linear models, logistic and ordinal regression, and survival analysis. Second edition. Heidelberg: Springer, 2015, xxiii, 582. ISBN 9783319194240. info
• FARAWAY, Julian James. Linear models with R. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2014, xii, 274. ISBN 9781439887332. info
• RAO, C. Radhakrishna a Helge TOUTENBURG. Linear models : least squares and alternatives. New York: Springer-Verlag, 1995, 352 s. ISBN 0387945628. info

Výukové metody

Přednáška: teoretická výuka kombinovaná s praktickými příklady.
Cvičení: praktická cvičení zaměřena na analýzu dat. Online přes MS Teams nebo prezenčně podle vývoje epidemiologické situace a platných omezení.

Metody hodnocení

Podmínky: uspokojivě zpracovaný semestrální datový projekt, ústní závěrečná zkouška. Podmínky mohou být upřesněny podle vývoje epidemiologické situace a platných omezení.

Informace učitele

https://is.muni.cz/auth/el/1431/jaro2017/M6120/index.qwarp
Přednášky budou probíhat online v MS Teams v době normálních přednášek podle rozvrhu. Vzhledem k možné nízké kvalitě signálu doporučuji studentům kameru nepoužívat. Otázky během přednášky nebude možné klást hlasem, ale prostřednictvím chatu.
Záznam z přednášky se bude nahrávat do IS průběžně a ne dopředu, tedy učiněn záznam se bude nahrávat až po dané přednášce a před další přednáškou. Záznam nemusí obsahovat kompletní přednášku, je na učiteli, co ze záznamu zveřejní a sdílený se studenty. Co je záznam z přednášky? Může jít o PDF textu, který přednášející píše elektronickým perem na obrazovku a tento může být doplněn hlasem (nebo hlasem a videem) přednášejícího. V IS budou vždy k dispozici slajdy v PDF s TeXovaným textem a budou se sdílet až po dané přednášce a před další přednáškou.
Konzultace k přednáškám budou probíhat pomocí diskuzního fóra, kde přednášející / cvičící jako moderátor moderuje tuto diskusi a nové diskusní fóra založené studenty nebudou brány v úvahu. Diskusní fóra budou založeny k jednotlivým přednáškám a cvičením (pokud předmět cvičení má) a k domácí úloze. Diskuze e-mailem probíhat nebudou.
K získání zápočtu je potřeba aktivní účast na cvičeních (povolené jsou 2 neomluvené absence). Za omluvenou absenci se považuje výhradně absence omluvená na studijním oddělení a zavedená do informačního systému v řádném termínu (do 5 pracovních dnů od termínu konání výuky). Je to v souladu se studijním řádem, kde se v čl.9 odstavci (7) píše, že (7) Student je povinen písemně omluvit na studijním oddělení fakulty svou neúčast do 5 pracovních dnů od termínu konání výuky, jež je omlouvána.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

doc. PaedDr. RNDr. Stanislav Katina, Ph.D. (přednášející)
Mgr. Vojtěch Šindlář (cvičící)

Garance

doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

St 8:00–9:50 M2,01021

• Rozvrh seminárních/paralelních skupin:

M6120/01: Po 16:00–17:50 MP1,01014, V. Šindlář
M6120/02: Po 18:00–19:50 MP1,01014, V. Šindlář

Předpoklady

M5120 Lineární statistické modely I
Lineární regresní model: na úrovni předmětu M5120. Teorie pravděpodobnosti a matematické statistiky, zejména teorie odhadu a testování statistických hypotéz: na úrovni předmětu M4122. Uživatelská znalost statistického software R: na úrovni předmětu M4130.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Biomedicínská bioinformatika (program PřF, N-MBB)
• Epidemiologie a modelování (program PřF, N-MBB)

Cíle předmětu

Předmět nabízí nejprve detailnější pohled na některé speciální případy linárního modelu a poté přehled zobecnění lineárního modelu pro situace, kdy nejsou splněny jeho předpoklady. Ve druhé části je důraz kladen na získání nadhledu nad širokým spektrem technik, schopnost tyto techniky použít a porozumění souvislostem mezi nimi. Studenti jsou rovněž seznámeni s magisterskými kurzy a literaturou nabízejícími hlubší poznatky o probíraných technikách.

Výstupy z učení

Student bude po absolvování předmětu schopen:
- testovat hypotézy LRM;
- navrhnout a vysvětlit vhodný LRM;
- aplikovat LRM na reálná data;
- naprogramovat LRM v R.

Osnova

• Asymptotické testy o středních hodnotách přes lineární regresní model (LRM)
• Jedno-faktorový model analýzy rozptylu (ANOVA) s fixními efekty za homogenity a nehomogenity rozptylů.
• Dvou-faktorový a hierarchický ANOVA model s fixními efekty.
• Analýza kovariance (ANCOVA).
• Kvadratická a polynomická regrese.
• Sdružené a podmíněné mnohorozměrné normální rozdělení.
• Korelační analýza.
• LRM (homogenní a nehomogenní rozptyly), LRM s fixními efekty a korelovanými chybami, vážená metoda nejmenších čtverců.
• Ortogonální regresní model.
• Implementace v R.

Literatura

doporučená literatura
• KATINA, Stanislav, Miroslav KRÁLÍK a Adéla HUPKOVÁ. Aplikovaná štatistická inferencia I. Biologická antropológia očami matematickej štatistiky. 1. vyd. Brno: Masarykova univerzita, 2015, 320 s. ISBN 978-80-210-7752-2. info
• HARRELL, Frank E. Regression modeling strategies : with applications to linear models, logistic and ordinal regression, and survival analysis. Second edition. Heidelberg: Springer, 2015, xxiii, 582. ISBN 9783319194240. info
• FARAWAY, Julian James. Linear models with R. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2014, xii, 274. ISBN 9781439887332. info
• RAO, C. Radhakrishna a Helge TOUTENBURG. Linear models : least squares and alternatives. New York: Springer-Verlag, 1995, 352 s. ISBN 0387945628. info

Výukové metody

Přednáška: teoretická výuka kombinovaná s praktickými příklady.
Cvičení: praktická cvičení zaměřena na analýzu dat.

Metody hodnocení

Podmínky: uspokojivě zpracovaný semestrální projekt (domácí úkol), ústní závěrečná zkouška.

Informace učitele

https://is.muni.cz/auth/el/1431/jaro2017/M6120/index.qwarp
K získání zápočtu je potřeba aktivní účast na cvičeních (povolené jsou 2 neomluvené absence). Za omluvenou absenci se považuje výhradně absence omluvená na studijním oddělení a zavedená do informačního systému v řádném termínu (do 5 pracovních dnů od termínu konání výuky). Je to v souladu se studijním řádem, kde se v čl.9 odstavci (7) píše, že (7) Student je povinen písemně omluvit na studijním oddělení fakulty svou neúčast do 5 pracovních dnů od termínu konání výuky, jež je omlouvána.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

doc. PaedDr. RNDr. Stanislav Katina, Ph.D. (přednášející)
Mgr. Vojtěch Šindlář (cvičící)

Garance

doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

Po 18. 2. až Pá 17. 5. St 8:00–9:50 M2,01021

• Rozvrh seminárních/paralelních skupin:

M6120/01: Po 18. 2. až Pá 17. 5. Po 14:00–15:50 MP1,01014, V. Šindlář
M6120/02: Po 18. 2. až Pá 17. 5. Út 18:00–19:50 MP1,01014, V. Šindlář

Předpoklady

M5120 Lineární statistické modely I
Lineární regresní model: na úrovni předmětu M5120. Teorie pravděpodobnosti a matematické statistiky, zejména teorie odhadu a testování statistických hypotéz: na úrovni předmětu M4122. Uživatelská znalost statistického software R: na úrovni předmětu M4130.

Omezení zápisu do předmětu

Předmět je otevřen studentům libovolného oboru.

Cíle předmětu

Předmět nabízí nejprve detailnější pohled na některé speciální případy linárního modelu a poté přehled zobecnění lineárního modelu pro situace, kdy nejsou splněny jeho předpoklady. Ve druhé části je důraz kladen na získání nadhledu nad širokým spektrem technik, schopnost tyto techniky použít a porozumění souvislostem mezi nimi. Studenti jsou rovněž seznámeni s magisterskými kurzy a literaturou nabízejícími hlubší poznatky o probíraných technikách.

Výstupy z učení

Student bude po absolvování předmětu schopen:
- testovat hypotézy LRM;
- navrhnout a vysvětlit vhodný LRM;
- aplikovat LRM na reálná data;
- naprogramovat LRM v R.

Osnova

• Asymptotické testy o středních hodnotách přes lineární regresní model (LRM)
• Jedno-faktorový model analýzy rozptylu (ANOVA) s fixními efekty za homogenity a nehomogenity rozptylů.
• Dvou-faktorový a hierarchický ANOVA model s fixními efekty.
• Analýza kovariance (ANCOVA).
• Kvadratická a polynomická regrese.
• Sdružené a podmíněné mnohorozměrné normální rozdělení.
• Korelační analýza.
• LRM (homogenní a nehomogenní rozptyly), LRM s fixními efekty a korelovanými chybami, vážená metoda nejmenších čtverců.
• Ortogonální regresní model.
• Implementace v R.

Literatura

doporučená literatura
• KATINA, Stanislav, Miroslav KRÁLÍK a Adéla HUPKOVÁ. Aplikovaná štatistická inferencia I. Biologická antropológia očami matematickej štatistiky. 1. vyd. Brno: Masarykova univerzita, 2015, 320 s. ISBN 978-80-210-7752-2. info
• HARRELL, Frank E. Regression modeling strategies : with applications to linear models, logistic and ordinal regression, and survival analysis. Second edition. Heidelberg: Springer, 2015, xxiii, 582. ISBN 9783319194240. info
• FARAWAY, Julian James. Linear models with R. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2014, xii, 274. ISBN 9781439887332. info
• RAO, C. Radhakrishna a Helge TOUTENBURG. Linear models : least squares and alternatives. New York: Springer-Verlag, 1995, 352 s. ISBN 0387945628. info

Výukové metody

Přednáška: teoretická výuka kombinovaná s praktickými příklady.
Cvičení: praktická cvičení zaměřena na analýzu dat.

Metody hodnocení

Podmínky: uspokojivě zpracovaný semestrální datový projekt, ústní závěrečná zkouška.

Informace učitele

https://is.muni.cz/auth/el/1431/jaro2017/M6120/index.qwarp

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

doc. PaedDr. RNDr. Stanislav Katina, Ph.D. (přednášející)
Mgr. Vojtěch Šindlář (cvičící)

Garance

doc. PaedDr. RNDr. Stanislav Katina, Ph.D.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

St 10:00–11:50 M1,01017

• Rozvrh seminárních/paralelních skupin:

M6120/01: Pá 8:00–9:50 MP1,01014, V. Šindlář
M6120/02: Čt 17:00–18:50 MP2,01014a, V. Šindlář

Předpoklady

M5120 Lineární statistické modely I
Lineární regresní model: na úrovni předmětu M5120. Teorie pravděpodobnosti a matematické statistiky, zejména teorie odhadu a testování statistických hypotéz: na úrovni předmětu M4122. Uživatelská znalost statistického software R: na úrovni předmětu M4130.

Omezení zápisu do předmětu

Předmět je otevřen studentům libovolného oboru.

Cíle předmětu

Předmět nabízí nejprve detailnější pohled na některé speciální případy linárního modelu a poté přehled zobecnění lineárního modelu pro situace, kdy nejsou splněny jeho předpoklady. Ve druhé části je důraz kladen na získání nadhledu nad širokým spektrem technik, schopnost tyto techniky použít a porozumění souvislostem mezi nimi. Studenti jsou rovněž seznámeni s magisterskými kurzy a literaturou nabízejícími hlubší poznatky o probíraných technikách.

Výstupy z učení

Student bude po absolvování předmětu schopen:
- testovat hypotézy LRM;
- navrhnout a vysvětlit vhodný LRM;
- aplikovat LRM na reálná data;
- naprogramovat LRM v R.

Osnova

• Asymptotické testy o středních hodnotách přes lineární regresní model (LRM)
• Jedno-faktorový model analýzy rozptylu (ANOVA) s fixními efekty za homogenity a nehomogenity rozptylů.
• Dvou-faktorový a hierarchický ANOVA model s fixními efekty.
• Analýza kovariance (ANCOVA).
• Kvadratická a polynomická regrese.
• Sdružené a podmíněné mnohorozměrné normální rozdělení.
• Korelační analýza.
• LRM (homogenní a nehomogenní rozptyly), LRM s fixními efekty a korelovanými chybami, vážená metoda nejmenších čtverců.
• Ortogonální regresní model.
• Implementace v R.

Literatura

doporučená literatura
• KATINA, Stanislav, Miroslav KRÁLÍK a Adéla HUPKOVÁ. Aplikovaná štatistická inferencia I. Biologická antropológia očami matematickej štatistiky. 1. vyd. Brno: Masarykova univerzita, 2015, 320 s. ISBN 978-80-210-7752-2. info
• HARRELL, Frank E. Regression modeling strategies : with applications to linear models, logistic and ordinal regression, and survival analysis. Second edition. Heidelberg: Springer, 2015, xxiii, 582. ISBN 9783319194240. info
• FARAWAY, Julian James. Linear models with R. Second edition. Boca Raton, FL: CRC Press/Taylor & Francis Group, 2014, xii, 274. ISBN 9781439887332. info
• RAO, C. Radhakrishna a Helge TOUTENBURG. Linear models : least squares and alternatives. New York: Springer-Verlag, 1995, 352 s. ISBN 0387945628. info

Výukové metody

Přednáška: teoretická výuka kombinovaná s praktickými příklady.
Cvičení: praktická cvičení zaměřena na analýzu dat.

Metody hodnocení

Podmínky: uspokojivě zpracovaný semestrální datový projekt, ústní závěrečná zkouška.

Informace učitele

https://is.muni.cz/auth/el/1431/jaro2017/M6120/index.qwarp

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

doc. PaedDr. RNDr. Stanislav Katina, Ph.D. (přednášející)
Mgr. Andrea Kraus, M.Sc., Ph.D. (cvičící)
Mgr. Markéta Janošová (pomocník)

Garance

prof. RNDr. Gejza Wimmer, DrSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

Po 20. 2. až Po 22. 5. St 10:00–11:50 M1,01017

• Rozvrh seminárních/paralelních skupin:

M6120/01: Po 20. 2. až Po 22. 5. Po 10:00–11:50 MP1,01014, A. Kraus
M6120/02: Po 20. 2. až Po 22. 5. Po 12:00–13:50 MP1,01014, A. Kraus

Předpoklady

M5120 Lineární statistické modely I
Lineární regresní model: na úrovni předmětu M5120. Teorie pravděpodobnosti a matematické statistiky, zejména teorie odhadu a testování statistických hypotéz: na úrovni předmětu M4122. Uživatelská znalost statistického software R: na úrovni předmětu M4130.

Omezení zápisu do předmětu

Předmět je otevřen studentům libovolného oboru.

Cíle předmětu

Předmět nabízí nejprve detailnější pohled na některé speciální případy linárního modelu a poté přehled zobecnění lineárního modelu pro situace, kdy nejsou splněny jeho předpoklady. Ve druhé části je důraz kladen na získání nadhledu nad širokým spektrem technik, schopnost tyto techniky použít a porozumění souvislostem mezi nimi. Studenti jsou rovněž seznámeni s magisterskými kurzy a literaturou nabízejícími hlubší poznatky o probíraných technikách.

Osnova

• Asymptotické testy o stredných hodnotách – jednofaktorový model analýzy rozptylu (ANOVA) s fixnými (pevnými) efektami za homogenity a nehomogenity rozptylov, matica kontrastov, test pomerom vierohodnosti, asymptotické testy o rozptyloch – test pomerom vierohodnosti.
• Dvojfaktorový ANOVA model s fixnými efektami bez a s interakciou, hierarchický ANOVA model s fixnými efektami, testovanie submodelov, rozklad typu I, II, III; hierarchický ANOVA model s fixnými efektami, test trendu.
• Špeciálne LRM – regresný model pre priamku, regresia prechádzajúca počiatkom, kvadratická regresia, polynomická regresia, dve priamky, analýza kovariancie (ANCOVA).
• Nepodmienený a podmienený pohľad na mnohorozmerné normálne rozdelenie – združené mnohorozmerné normálne rozdelenie (Y,X) a podmienené normálne rozdelenie (Y|X), korelačná analýza – koeficient mnohonásobnej korelácie, koeficient parciálnej korelácie.
• Ortogonálny regresný model (Demingova regresia, kontrola kvality), model kalibrácie.
• LRM s homogénnymi a nehomogénnymi rozptylmi, LRM s fixnými efektami a korelovanými chybami, WLRM.
• Lineárne modely so zmiešanými efektami (MELRM).
• Zovšeobecnené lineárne modely.

Literatura

doporučená literatura
• KATINA, Stanislav, Miroslav KRÁLÍK a Adéla HUPKOVÁ. Aplikovaná štatistická inferencia I. Biologická antropológia očami matematickej štatistiky. 1. vyd. Brno: Masarykova univerzita, 2015, 320 s. ISBN 978-80-210-7752-2. info
• FARAWAY, Julian James. Extending the linear model with R : generalized linear, mixed effects and nonparametric regression models. Boca Raton, Fla.: Chapman & Hall/CRC, 2006, ix, 301. ISBN 158488424X. URL info
• HASTIE, Trevor, Robert TIBSHIRANI a J. H. FRIEDMAN. The elements of statistical learning : data mining, inference, and prediction. 2nd ed. New York, N.Y.: Springer, 2009, xxii, 745. ISBN 9780387848570. info

Výukové metody

Přednáška: teoretická výuka kombinovaná s praktickými příklady.
Cvičení: praktická cvičení zaměřena na analýzu dat.

Metody hodnocení

Podmínky: uspokojivě zpracovaný semestrální datový projekt, ústní závěrečná zkouška.

Informace učitele

https://is.muni.cz/auth/el/1431/jaro2017/M6120/index.qwarp

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

RNDr. Marie Forbelská, Ph.D. (přednášející)
doc. PaedDr. RNDr. Stanislav Katina, Ph.D. (přednášející)
Mgr. Andrea Kraus, M.Sc., Ph.D. (cvičící)

Garance

prof. RNDr. Gejza Wimmer, DrSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

Út 8:00–9:50 M1,01017

• Rozvrh seminárních/paralelních skupin:

M6120/01: Út 12:00–13:50 MP1,01014, A. Kraus
M6120/02: Čt 8:00–9:50 MP1,01014, A. Kraus

Předpoklady

M5120 Lineární statistické modely I
Základy teorie pravděpodobnosti a matematické statistiky, teorie odhadu a testování statistických hypotéz. Práce s počítačem: uživatelská znalost programového prostředí R.

Omezení zápisu do předmětu

Předmět je otevřen studentům libovolného oboru.

Cíle předmětu

Po úspěšném absolvování tohoto kurzu bude student schopen:
definovat a interpretovat základní pojmy užívané v teorii lineárních modelů a vysvětlit souvislosti mezi nimi;
formulovat příslušné matematické věty a tvrzení a vysvětlit metody jejich důkazů;
ovládat efektivní techniky používané v teorii lineárních modelů;
aplikovat získané poznatky při řešení konkrétních příkladů lineárních modelů, které nejsou plné hodnosti, především analýze rozptylu včetně příkladů aplikačního charakteru.
Ve cvičeních je pro statistické výpočty využíváno programovací prostředí R, se kterým se studenti podrobně seznámí a následně je budou schopni v praxi použít.

Osnova

• Lineární model s plnou a neúplnou hodností. Testy hypotéz v modelu s neúplnou hodností. Testování submodelů. Analýza rozptylu. Jednoduché třídění. Dvojné třídění. Testy dobré shody. Multinomické rozdělení. Testy dobré shody při známych a neznámych parametrech. Kontingenční tabulky. Test nezávislosti v kontingenčních tabulkách. Fischerův faktoriálový test.

Literatura

• ANDĚL, Jiří. Matematická statistika. Vyd. 2. Praha: SNTL - nakladatelství technické literatury, Alfa, vydavatelstvo technickej a ekonomickej literatury, 1985, 346 s. URL info
• RAO, C. Radhakrishna. Lineární metody statistické indukce a jejich aplikace. Translated by Josef Machek. Vyd. 1. Praha: Academia, 1978, 666 s. URL info

Výukové metody

Přednáška: teoretická výuka kombinovaná s praktickými příklady ;
Cvičení: praktická cvičení zaměřené na procvičení základních pojmů a tvrzení, samostatné řešení úloh.

Metody hodnocení

Účast na cvičeních (10%), čtyři zadané domácí úkoly (30%), ústní závěrečná zkouška (60%).

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

RNDr. Marie Forbelská, Ph.D. (přednášející)
doc. PaedDr. RNDr. Stanislav Katina, Ph.D. (přednášející)
Mgr. Kateřina Pokorová, Ph.D. (pomocník)

Garance

prof. RNDr. Gejza Wimmer, DrSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

Po 14:00–15:50 M1,01017

• Rozvrh seminárních/paralelních skupin:

M6120/01: Po 12:00–13:50 MP1,01014, M. Forbelská
M6120/02: St 8:00–9:50 MP1,01014, M. Forbelská
M6120/03: Út 12:00–13:50 MP1,01014, M. Forbelská

Předpoklady

M5120 Lineární statistické modely I
Základy teorie pravděpodobnosti a matematické statistiky, teorie odhadu a testování statistických hypotéz. Práce s počítačem: uživatelská znalost programového prostředí R.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematika - ekonomie (program PřF, M-AM)

Cíle předmětu

Po úspěšném absolvování tohoto kurzu bude student schopen:
definovat a interpretovat základní pojmy užívané v teorii lineárních modelů a vysvětlit souvislosti mezi nimi;
formulovat příslušné matematické věty a tvrzení a vysvětlit metody jejich důkazů;
ovládat efektivní techniky používané v teorii lineárních modelů;
aplikovat získané poznatky při řešení konkrétních příkladů lineárních modelů, které nejsou plné hodnosti, především analýze rozptylu včetně příkladů aplikačního charakteru.
Ve cvičeních je pro statistické výpočty využíváno programovací prostředí R, se kterým se studenti podrobně seznámí a následně je budou schopni v praxi použít.

Osnova

• Lineární model s plnou a neúplnou hodností. Testy hypotéz v modelu s neúplnou hodností. Testování submodelů. Analýza rozptylu. Jednoduché třídění. Dvojné třídění. Testy dobré shody. Multinomické rozdělení. Testy dobré shody při známych a neznámych parametrech. Kontingenční tabulky. Test nezávislosti v kontingenčních tabulkách. Fischerův faktoriálový test.

Literatura

• ANDĚL, Jiří. Matematická statistika. Vyd. 2. Praha: SNTL - nakladatelství technické literatury, Alfa, vydavatelstvo technickej a ekonomickej literatury, 1985, 346 s. URL info
• RAO, C. Radhakrishna. Lineární metody statistické indukce a jejich aplikace. Translated by Josef Machek. Vyd. 1. Praha: Academia, 1978, 666 s. URL info

Výukové metody

Přednáška: teoretická výuka kombinovaná s praktickými příklady ;
Cvičení: praktická cvičení zaměřené na procvičení základních pojmů a tvrzení, samostatné řešení úloh.

Metody hodnocení

Účast na cvičeních (10%), čtyři zadané domácí úkoly (30%), ústní závěrečná zkouška (60%).

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

RNDr. Marie Forbelská, Ph.D. (přednášející)
Mgr. Marie Leváková, Ph.D. (cvičící)

Garance

prof. RNDr. Gejza Wimmer, DrSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

Po 8:00–9:50 M1,01017

• Rozvrh seminárních/paralelních skupin:

M6120/01: Po 10:00–11:50 MP1,01014, M. Forbelská
M6120/02: Pá 12:00–13:50 MP1,01014, M. Forbelská
M6120/03: Čt 18:00–19:50 MP1,01014, M. Leváková

Předpoklady

M5120 Lineární statistické modely I
Základy teorie pravděpodobnosti a matematické statistiky, teorie odhadu a testování statistických hypotéz. Práce s počítačem: uživatelská znalost programového prostředí R.

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematika - ekonomie (program PřF, M-AM)

Cíle předmětu

Po úspěšném absolvování tohoto kurzu bude student schopen:
definovat a interpretovat základní pojmy užívané v teorii lineárních modelů a vysvětlit souvislosti mezi nimi;
formulovat příslušné matematické věty a tvrzení a vysvětlit metody jejich důkazů;
ovládat efektivní techniky používané v teorii lineárních modelů;
aplikovat získané poznatky při řešení konkrétních příkladů lineárních modelů, které nejsou plné hodnosti, především analýze rozptylu včetně příkladů aplikačního charakteru.
Ve cvičeních je pro statistické výpočty využíváno programovací prostředí R, se kterým se studenti podrobně seznámí a následně je budou schopni v praxi použít.

Osnova

• Lineární model s plnou a neúplnou hodností. Testy hypotéz v modelu s neúplnou hodností. Testování submodelů. Analýza rozptylu. Jednoduché třídění. Dvojné třídění. Testy dobré shody. Multinomické rozdělení. Testy dobré shody při známych a neznámych parametrech. Kontingenční tabulky. Test nezávislosti v kontingenčních tabulkách. Fischerův faktoriálový test.

Literatura

• ANDĚL, Jiří. Matematická statistika. Vyd. 2. Praha: SNTL - nakladatelství technické literatury, Alfa, vydavatelstvo technickej a ekonomickej literatury, 1985, 346 s. URL info
• RAO, C. Radhakrishna. Lineární metody statistické indukce a jejich aplikace. Translated by Josef Machek. Vyd. 1. Praha: Academia, 1978, 666 s. URL info

Výukové metody

Přednáška: teoretická výuka kombinovaná s praktickými příklady ;
Cvičení: praktická cvičení zaměřené na procvičení základních pojmů a tvrzení, samostatné řešení úloh.

Metody hodnocení

Účast na cvičeních (10%), čtyři zadané domácí úkoly (30%), ústní závěrečná zkouška (60%).

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

RNDr. Marie Forbelská, Ph.D. (přednášející)
Mgr. Marie Leváková, Ph.D. (cvičící)
Mgr. Ondřej Pokora, Ph.D. (cvičící)

Garance

prof. RNDr. Gejza Wimmer, DrSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

Út 10:00–11:50 M1,01017

• Rozvrh seminárních/paralelních skupin:

M6120/01: Pá 8:00–9:50 MP1,01014, M. Forbelská
M6120/02: Út 8:00–9:50 MP1,01014, M. Forbelská
M6120/03: Út 18:00–19:50 MP1,01014, M. Leváková
M6120/04: Út 16:00–17:50 MP1,01014, M. Leváková
M6120/05: Po 16:00–17:50 MP1,01014, O. Pokora

Předpoklady

M5120 Lineární statistické modely I

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematika - ekonomie (program PřF, M-AM)

Cíle předmětu

Kurz je zaměřen na testy dobré zhody, kontingenční tabulky, na lineární modely, které nejsou plné hodnosti a na analýzu rozptylu. Vyklad je důsledně založen na maticovém přístupu. Jde o kurz, jehož praktické využití v dalších oborech je velmi časté.

Osnova

• Testy dobré shody. Multinomické rozdělení. Testy dobré shody při známych a neznámych parametrech. Kontingenční tabulky. Test nezávislosti v kontingenčních tabulkách. Fischerův faktoriálový test. Lineární model s plnou a neúplnou hodností. Testy hypotéz v modelu s neúplnou hodností. Testování submodelů. Analýza rozptylu. Jednoduché třídění. Dvojné třídění.

Literatura

• ANDĚL, Jiří. Matematická statistika. Vyd. 2. Praha: SNTL - nakladatelství technické literatury, Alfa, vydavatelstvo technickej a ekonomickej literatury, 1985, 346 s. URL info
• RAO, C. Radhakrishna. Lineární metody statistické indukce a jejich aplikace. Translated by Josef Machek. Vyd. 1. Praha: Academia, 1978, 666 s. URL info

Výukové metody

Přednáška: teoretická výuka kombinovaná s praktickými příklady ;
Cvičení: praktická cvičení zaměřené na procvičení základních pojmů a tvrzení, samostatné řešení úloh.

Metody hodnocení

přednášky, cvičení; 2 písemné testy; závěrečné hodnocení: písemná a ústní zkouška

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

RNDr. Marie Forbelská, Ph.D. (přednášející)
Mgr. Marie Leváková, Ph.D. (cvičící)

Garance

prof. RNDr. Gejza Wimmer, DrSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

Pá 8:00–9:50 M1,01017

• Rozvrh seminárních/paralelních skupin:

M6120/01: Po 8:00–9:50 MP2,01014a, Po 8:00–9:50 MP1,01014, M. Forbelská
M6120/02: Út 10:00–11:50 MP1,01014, M. Leváková
M6120/03: Po 16:00–17:50 MP1,01014, M. Leváková

Předpoklady

M5120 Lineární statistické modely I

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematika - ekonomie (program PřF, M-AM)
• Matematika (program PřF, N-MA, směr Aplikovaná matematika)

Cíle předmětu

Kurz je zaměřen na testy dobré zhody, kontingenční tabulky, na lineární modely, které nejsou plné hodnosti a na analýzu rozptylu. Vyklad je důsledně založen na maticovém přístupu. Jde o kurz, jehož praktické využití v dalších oborech je velmi časté.

Osnova

• Testy dobré shody. Multinomické rozdělení. Testy dobré shody při známych a neznámych parametrech. Kontingenční tabulky. Test nezávislosti v kontingenčních tabulkách. Fischerův faktoriálový test. Lineární model s plnou a neúplnou hodností. Testy hypotéz v modelu s neúplnou hodností. Testování submodelů. Analýza rozptylu. Jednoduché třídění. Dvojné třídění.

Literatura

• ANDĚL, Jiří. Matematická statistika. Vyd. 2. Praha: SNTL - nakladatelství technické literatury, Alfa, vydavatelstvo technickej a ekonomickej literatury, 1985, 346 s. URL info
• RAO, C. Radhakrishna. Lineární metody statistické indukce a jejich aplikace. Translated by Josef Machek. Vyd. 1. Praha: Academia, 1978, 666 s. URL info

Výukové metody

Přednáška: teoretická výuka kombinovaná s praktickými příklady ;
Cvičení: praktická cvičení zaměřené na procvičení základních pojmů a tvrzení, samostatné řešení úloh.

Metody hodnocení

přednášky, cvičení; 2 písemné testy; závěrečné hodnocení: písemná a ústní zkouška

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

prof. RNDr. Gejza Wimmer, DrSc. (přednášející)
RNDr. Marie Forbelská, Ph.D. (cvičící)
Mgr. Ondřej Pokora, Ph.D. (cvičící)

Garance

prof. RNDr. Gejza Wimmer, DrSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

St 12:00–13:50 M1,01017

• Rozvrh seminárních/paralelních skupin:

M6120/01: Pá 10:00–11:50 MP1,01014, M. Forbelská, O. Pokora
M6120/02: Pá 8:00–9:50 MP2,01014a, M. Forbelská, O. Pokora
M6120/03: Pá 8:00–9:50 MP1,01014, M. Forbelská, O. Pokora

Předpoklady

M5120 Lineární statistické modely I

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematika - ekonomie (program PřF, M-AM)
• Matematika (program PřF, N-MA, směr Aplikovaná matematika)

Cíle předmětu

Kurz je zaměřen na testy dobré zhody, kontingenční tabulky, na lineární modely, které nejsou plné hodnosti a na analýzu rozptylu. Vyklad je důsledně založen na maticovém přístupu. Jde o kurz, jehož praktické využití v dalších oborech je velmi časté.

Osnova

• Testy dobré shody. Multinomické rozdělení. Testy dobré shody při známych a neznámych parametrech. Kontingenční tabulky. Test nezávislosti v kontingenčních tabulkách. Fischerův faktoriálový test. Lineární model s plnou a neúplnou hodností. Testy hypotéz v modelu s neúplnou hodností. Testování submodelů. Analýza rozptylu. Jednoduché třídění. Dvojné třídění.

Literatura

• ANDĚL, Jiří. Matematická statistika. Vyd. 2. Praha: SNTL - nakladatelství technické literatury, Alfa, vydavatelstvo technickej a ekonomickej literatury, 1985, 346 s. URL info
• RAO, C. Radhakrishna. Lineární metody statistické indukce a jejich aplikace. Translated by Josef Machek. Vyd. 1. Praha: Academia, 1978, 666 s. URL info

Výukové metody

Přednáška: teoretická výuka kombinovaná s praktickými příklady ;
Cvičení: praktická cvičení zaměřené na procvičení základních pojmů a tvrzení, samostatné řešení úloh.

Metody hodnocení

přednášky, cvičení; 2 písemné testy; závěrečné hodnocení: písemná a ústní zkouška

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

RNDr. Marie Forbelská, Ph.D. (přednášející)
Mgr. Pavla Krajíčková, Ph.D. (cvičící)
Mgr. Ondřej Pokora, Ph.D. (cvičící)

Garance

prof. RNDr. Gejza Wimmer, DrSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

St 9:00–10:50 M1,01017

• Rozvrh seminárních/paralelních skupin:

M6120/01: Po 11:00–12:50 MP1,01014, O. Pokora
M6120/02: Po 9:00–10:50 MP1,01014, O. Pokora
M6120/03: St 12:00–13:50 MP1,01014, P. Krajíčková
M6120/04: Čt 17:00–18:50 MP1,01014, P. Krajíčková

Předpoklady

M5120 Lineární statistické modely I

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematická biologie (program PřF, M-BI)
• Matematika - ekonomie (program PřF, M-AM)
• Matematika (program PřF, M-MA, směr Aplikovaná matematika)
• Matematika (program PřF, N-MA, směr Aplikovaná matematika)

Cíle předmětu

Kurz je zaměřen na testy dobré zhody, kontingenční tabulky, na lineární modely, které nejsou plné hodnosti a na analýzu rozptylu. Vyklad je důsledně založen na maticovém přístupu. Jde o kurz, jehož praktické využití v dalších oborech je velmi časté.

Osnova

• Testy dobré shody. Multinomické rozdělení. Testy dobré shody při známych a neznámych parametrech. Kontingenční tabulky. Test nezávislosti v kontingenčních tabulkách. Fischerův faktoriálový test. Lineární model s plnou a neúplnou hodností. Testy hypotéz v modelu s neúplnou hodností. Testování submodelů. Analýza rozptylu. Jednoduché třídění. Dvojné třídění.

Literatura

• ANDĚL, Jiří. Matematická statistika. Vyd. 2. Praha: SNTL - nakladatelství technické literatury, Alfa, vydavatelstvo technickej a ekonomickej literatury, 1985, 346 s. URL info
• RAO, C. Radhakrishna. Lineární metody statistické indukce a jejich aplikace. Translated by Josef Machek. Vyd. 1. Praha: Academia, 1978, 666 s. URL info

Výukové metody

Přednáška: teoretická výuka kombinovaná s praktickými příklady ;
Cvičení: praktická cvičení zaměřené na procvičení základních pojmů a tvrzení, samostatné řešení úloh.

Metody hodnocení

přednášky, cvičení; 2 písemné testy; závěrečné hodnocení: písemná a ústní zkouška

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

prof. RNDr. Gejza Wimmer, DrSc. (přednášející)
Mgr. Pavla Krajíčková, Ph.D. (cvičící)
Mgr. Ondřej Pokora, Ph.D. (cvičící)

Garance

prof. RNDr. Ivanka Horová, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

St 11:00–12:50 M1,01017

• Rozvrh seminárních/paralelních skupin:

M6120/01: Čt 8:00–9:50 MP1,01014, O. Pokora
M6120/02: St 17:00–18:50 MP1,01014, P. Krajíčková
M6120/03: Út 17:00–18:50 MP1,01014, P. Krajíčková

Předpoklady

M5120 Lineární statistické modely I

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematická biologie (program PřF, M-BI)
• Matematika - ekonomie (program PřF, M-AM)
• Matematika (program PřF, M-MA, směr Aplikovaná matematika)
• Matematika (program PřF, N-MA, směr Aplikovaná matematika)

Cíle předmětu

Kurz je zaměřen na testy dobré zhody, kontingenční tabulky, na lineární modely, které nejsou plné hodnosti a na analýzu rozptylu. Vyklad je důsledně založen na maticovém přístupu. Jde o kurz, jehož praktické využití v dalších oborech je velmi časté.

Osnova

• Testy dobré shody. Multinomické rozdělení. Testy dobré shody při známych a neznámych parametrech. Kontingenční tabulky. Test nezávislosti v kontingenčních tabulkách. Fischerův faktoriálový test. Lineární model s plnou a neúplnou hodností. Testy hypotéz v modelu s neúplnou hodností. Testování submodelů. Analýza rozptylu. Jednoduché třídění. Dvojné třídění.

Literatura

• ANDĚL, Jiří. Matematická statistika. Vyd. 2. Praha: SNTL - nakladatelství technické literatury, Alfa, vydavatelstvo technickej a ekonomickej literatury, 1985, 346 s. URL info
• RAO, C. Radhakrishna. Lineární metody statistické indukce a jejich aplikace. Translated by Josef Machek. Vyd. 1. Praha: Academia, 1978, 666 s. URL info

Metody hodnocení

přednášky, cvičení; 2 písemné testy; závěrečné hodnocení: písemná a ústní zkouška

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

RNDr. Marie Forbelská, Ph.D. (přednášející)
doc. Mgr. Kamila Hasilová, Ph.D. (cvičící)

Garance

prof. RNDr. Gejza Wimmer, DrSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

Čt 8:00–9:50 UP1

• Rozvrh seminárních/paralelních skupin:

M6120/01: Po 11:00–12:50 M3,04005 - dříve Janáčkovo nám. 2a, M. Forbelská
M6120/02: Čt 18:00–19:50 M3,04005 - dříve Janáčkovo nám. 2a, K. Hasilová
M6120/03: Út 17:00–18:50 M3,04005 - dříve Janáčkovo nám. 2a, K. Hasilová

Předpoklady

M5120 Lineární statistické modely I

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematická biologie (program PřF, M-BI)
• Matematika - ekonomie (program PřF, M-AM)
• Matematika (program PřF, M-MA, směr Aplikovaná matematika)
• Matematika (program PřF, N-MA, směr Aplikovaná matematika)

Cíle předmětu

Kurz je zaměřen na testy dobré zhody, kontingenční tabulky, na lineární modely, které nejsou plné hodnosti a na analýzu rozptylu. Vyklad je důsledně založen na maticovém přístupu. Jde o kurz, jehož praktické využití v dalších oborech je velmi časté.

Osnova

• Testy dobré shody. Multinomické rozdělení. Testy dobré shody při známych a neznámych parametrech. Kontingenční tabulky. Test nezávislosti v kontingenčních tabulkách. Fischerův faktoriálový test. Lineární model s plnou a neúplnou hodností. Testy hypotéz v modelu s neúplnou hodností. Testování submodelů. Analýza rozptylu. Jednoduché třídění. Dvojné třídění.

Literatura

• ANDĚL, Jiří. Matematická statistika. Vyd. 2. Praha: SNTL - nakladatelství technické literatury, Alfa, vydavatelstvo technickej a ekonomickej literatury, 1985, 346 s. URL info

Další komentáře

Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

prof. RNDr. Gejza Wimmer, DrSc. (přednášející)
RNDr. Marie Forbelská, Ph.D. (cvičící)
Mgr. Ondřej Pokora, Ph.D. (cvičící)

Garance

prof. RNDr. Gejza Wimmer, DrSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Rozvrh

St 14:00–15:50 N21

• Rozvrh seminárních/paralelních skupin:

M6120/01: Čt 11:00–12:50 M3,04005 - dříve Janáčkovo nám. 2a, M. Forbelská
M6120/02: St 18:00–19:50 M3,04005 - dříve Janáčkovo nám. 2a, O. Pokora
M6120/03: St 16:00–17:50 M3,04005 - dříve Janáčkovo nám. 2a, O. Pokora

Předpoklady

M5120 Lineární statistické modely I

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematická biologie (program PřF, M-BI)
• Matematika - ekonomie (program PřF, M-AM)
• Matematika (program PřF, M-MA, směr Aplikovaná matematika)
• Matematika (program PřF, N-MA, směr Aplikovaná matematika)

Cíle předmětu

Kurz je zaměřen na testy dobré zhody, kontingenční tabulky, na lineární modely, které nejsou plné hodnosti a na analýzu rozptylu. Vyklad je důsledně založen na maticovém přístupu. Jde o kurz, jehož praktické využití v dalších oborech je velmi časté.

Osnova

• Testy dobré shody. Multinomické rozdělení. Testy dobré shody při známych a neznámych parametrech. Kontingenční tabulky. Test nezávislosti v kontingenčních tabulkách. Fischerův faktoriálový test. Lineární model s plnou a neúplnou hodností. Testy hypotéz v modelu s neúplnou hodností. Testování submodelů. Analýza rozptylu. Jednoduché třídění. Dvojné třídění.

Literatura

• ANDĚL, Jiří. Matematická statistika. Vyd. 2. Praha: SNTL - nakladatelství technické literatury, Alfa, vydavatelstvo technickej a ekonomickej literatury, 1985, 346 s. URL info

Další komentáře

Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

prof. RNDr. Gejza Wimmer, DrSc. (přednášející)
RNDr. Marie Forbelská, Ph.D. (cvičící)

Garance

prof. RNDr. Gejza Wimmer, DrSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Marie Forbelská, Ph.D.

Rozvrh

St 14:00–15:50 N41

• Rozvrh seminárních/paralelních skupin:

M6120/01: Út 7:00–8:50 M3,04005 - dříve Janáčkovo nám. 2a, M. Forbelská
M6120/02: Po 10:00–11:50 M3,04005 - dříve Janáčkovo nám. 2a, M. Forbelská

Předpoklady

M5120 Lineární statistické modely I

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematická biologie (program PřF, M-BI)
• Matematika - ekonomie (program PřF, M-AM)
• Matematika (program PřF, M-MA, směr Aplikovaná matematika)
• Matematika (program PřF, N-MA, směr Aplikovaná matematika)

Cíle předmětu

Kurz je zaměřen na testy dobré zhody, kontingenční tabulky, na lineární modely, které nejsou plné hodnosti a na analýzu rozptylu. Vyklad je důsledně založen na maticovém přístupu. Jde o kurz, jehož praktické využití v dalších oborech je velmi časté.

Osnova

• Testy dobré shody. Multinomické rozdělení. Testy dobré shody při známych a neznámych parametrech. Kontingenční tabulky. Test nezávislosti v kontingenčních tabulkách. Fischerův faktoriálový test. Lineární model s plnou a neúplnou hodností. Testy hypotéz v modelu s neúplnou hodností. Testování submodelů. Analýza rozptylu. Jednoduché třídění. Dvojné třídění.

Literatura

• ANDĚL, Jiří. Matematická statistika. Vyd. 2. Praha: SNTL - nakladatelství technické literatury, Alfa, vydavatelstvo technickej a ekonomickej literatury, 1985, 346 s. URL info

Další komentáře

Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

prof. RNDr. Gejza Wimmer, DrSc. (přednášející)
RNDr. Marie Forbelská, Ph.D. (cvičící)

Garance

prof. RNDr. Gejza Wimmer, DrSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Štěpán Mikoláš

Rozvrh

St 8:00–9:50 UM

• Rozvrh seminárních/paralelních skupin:

M6120/01: Út 10:00–11:50 M3,04005 - dříve Janáčkovo nám. 2a, M. Forbelská, Rozvrhobvě doporučeno:Me
M6120/02: Út 8:00–9:50 M3,04005 - dříve Janáčkovo nám. 2a, M. Forbelská, Rozvrhově doporučeno: M,Mo,Mf

Předpoklady

M5120 Lineární statistické modely I

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

předmět má 8 mateřských oborů, zobrazit

Cíle předmětu

Kurz je zaměřen na testy dobré zhody, kontingenční tabulky, na lineární modely, které nejsou plné hodnosti a na analýzu rozptylu. Vyklad je důsledně založen na maticovém přístupu. Jde o kurz, jehož praktické využití v dalších oborech je velmi časté.

Osnova

• Testy dobré shody. Multinomické rozdělení. Testy dobré shody při známych a neznámych parametrech. Kontingenční tabulky. Test nezávislosti v kontingenčních tabulkách. Fischerův faktoriálový test. Lineární model s plnou a neúplnou hodností. Testy hypotéz v modelu s neúplnou hodností. Testování submodelů. Analýza rozptylu. Jednoduché třídění. Dvojné třídění.

Literatura

• ANDĚL, Jiří. Matematická statistika. Vyd. 2. Praha: SNTL - nakladatelství technické literatury, Alfa, vydavatelstvo technickej a ekonomickej literatury, 1985, 346 s. URL info

Další komentáře

Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

prof. RNDr. Gejza Wimmer, DrSc. (přednášející), RNDr. Štěpán Mikoláš (zástupce)
RNDr. Marie Forbelská, Ph.D. (cvičící)

Garance

prof. RNDr. Gejza Wimmer, DrSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Marie Forbelská, Ph.D.

Rozvrh seminárních/paralelních skupin

M6120/01: Rozvrh nebyl do ISu vložen. M. Forbelská

Předpoklady

M5120 Lineární statistické modely I

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematická biologie (program PřF, M-BI)
• Matematika - ekonomie (program PřF, M-AM)
• Matematika (program PřF, M-MA, směr Aplikovaná matematika)
• Matematika (program PřF, N-MA, směr Aplikovaná matematika)

Literatura

• ANDĚL, Jiří. Matematická statistika. Vyd. 2. Praha: SNTL - nakladatelství technické literatury, Alfa, vydavatelstvo technickej a ekonomickej literatury, 1985, 346 s. URL info

Další komentáře

Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

doc. RNDr. Jaroslav Michálek, CSc. (přednášející)
RNDr. Marie Forbelská, Ph.D. (cvičící)

Garance

doc. RNDr. Jaroslav Michálek, CSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Kontaktní osoba: doc. RNDr. Jaroslav Michálek, CSc.

Rozvrh seminárních/paralelních skupin

M6120/01: Rozvrh nebyl do ISu vložen. M. Forbelská

Předpoklady

M5120 Lineární statistické modely I

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematická biologie (program PřF, M-BI)
• Matematika - ekonomie (program PřF, M-AM)
• Matematika (program PřF, M-MA, směr Aplikovaná matematika)
• Matematika (program PřF, N-MA, směr Aplikovaná matematika)

Další komentáře

Předmět je vyučován každoročně.

M6120 Lineární statistické modely II

Údaje z období jaro 2012 - akreditace se nezveřejňují

Rozsah

2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

RNDr. Marie Forbelská, Ph.D. (přednášející)

Garance

prof. RNDr. Gejza Wimmer, DrSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Dodavatelské pracoviště: Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Předpoklady

M5120 Lineární statistické modely I

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematika - ekonomie (program PřF, M-AM)
• Matematika (program PřF, N-MA, směr Aplikovaná matematika)

Cíle předmětu

Kurz je zaměřen na testy dobré zhody, kontingenční tabulky, na lineární modely, které nejsou plné hodnosti a na analýzu rozptylu. Vyklad je důsledně založen na maticovém přístupu. Jde o kurz, jehož praktické využití v dalších oborech je velmi časté.

Osnova

• Testy dobré shody. Multinomické rozdělení. Testy dobré shody při známych a neznámych parametrech. Kontingenční tabulky. Test nezávislosti v kontingenčních tabulkách. Fischerův faktoriálový test. Lineární model s plnou a neúplnou hodností. Testy hypotéz v modelu s neúplnou hodností. Testování submodelů. Analýza rozptylu. Jednoduché třídění. Dvojné třídění.

Literatura

• ANDĚL, Jiří. Matematická statistika. Vyd. 2. Praha: SNTL - nakladatelství technické literatury, Alfa, vydavatelstvo technickej a ekonomickej literatury, 1985, 346 s. URL info
• RAO, C. Radhakrishna. Lineární metody statistické indukce a jejich aplikace. Translated by Josef Machek. Vyd. 1. Praha: Academia, 1978, 666 s. URL info

Výukové metody

Přednáška: teoretická výuka kombinovaná s praktickými příklady ;
Cvičení: praktická cvičení zaměřené na procvičení základních pojmů a tvrzení, samostatné řešení úloh.

Metody hodnocení

přednášky, cvičení; 2 písemné testy; závěrečné hodnocení: písemná a ústní zkouška

Další komentáře

Předmět je vyučován každoročně.
Výuka probíhá každý týden.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: zk.

Vyučující

prof. RNDr. Gejza Wimmer, DrSc. (přednášející)

Garance

prof. RNDr. Gejza Wimmer, DrSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta

Předpoklady

M5120 Lineární statistické modely I

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematická biologie (program PřF, M-BI)
• Matematika - ekonomie (program PřF, M-AM)
• Matematika (program PřF, M-MA, směr Aplikovaná matematika)
• Matematika (program PřF, N-MA, směr Aplikovaná matematika)

Cíle předmětu

Kurz je zaměřen na testy dobré zhody, kontingenční tabulky, na lineární modely, které nejsou plné hodnosti a na analýzu rozptylu. Vyklad je důsledně založen na maticovém přístupu. Jde o kurz, jehož praktické využití v dalších oborech je velmi časté.

Osnova

• Testy dobré shody. Multinomické rozdělení. Testy dobré shody při známych a neznámych parametrech. Kontingenční tabulky. Test nezávislosti v kontingenčních tabulkách. Fischerův faktoriálový test. Lineární model s plnou a neúplnou hodností. Testy hypotéz v modelu s neúplnou hodností. Testování submodelů. Analýza rozptylu. Jednoduché třídění. Dvojné třídění.

Literatura

• ANDĚL, Jiří. Matematická statistika. Vyd. 2. Praha: SNTL - nakladatelství technické literatury, Alfa, vydavatelstvo technickej a ekonomickej literatury, 1985, 346 s. URL info
• RAO, C. Radhakrishna. Lineární metody statistické indukce a jejich aplikace. Translated by Josef Machek. Vyd. 1. Praha: Academia, 1978, 666 s. URL info

Výukové metody

Přednáška: teoretická výuka kombinovaná s praktickými příklady ;
Cvičení: praktická cvičení zaměřené na procvičení základních pojmů a tvrzení, samostatné řešení úloh.

Metody hodnocení

přednášky, cvičení; 2 písemné testy; závěrečné hodnocení: písemná a ústní zkouška

Další komentáře

Předmět je vyučován každoročně.
Výuka probíhá každý týden.

M6120 Lineární statistické modely II

Rozsah

2/2/0. 4 kr. (příf plus uk plus > 4). Ukončení: zk.

Vyučující

RNDr. Marie Forbelská, Ph.D. (přednášející)
prof. RNDr. Gejza Wimmer, DrSc. (přednášející)
Mgr. Ondřej Pokora, Ph.D. (cvičící)

Garance

prof. RNDr. Gejza Wimmer, DrSc.
Ústav matematiky a statistiky – Ústavy – Přírodovědecká fakulta
Kontaktní osoba: prof. RNDr. Gejza Wimmer, DrSc.

Předpoklady

M5120 Lineární statistické modely I

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

• Matematická biologie (program PřF, M-BI)
• Matematika - ekonomie (program PřF, M-AM)
• Matematika (program PřF, M-MA, směr Aplikovaná matematika)
• Matematika (program PřF, N-MA, směr Aplikovaná matematika)

Cíle předmětu

Kurz je zaměřen na testy dobré zhody, kontingenční tabulky, na lineární modely, které nejsou plné hodnosti a na analýzu rozptylu. Vyklad je důsledně založen na maticovém přístupu. Jde o kurz, jehož praktické využití v dalších oborech je velmi časté.

Osnova

• Testy dobré shody. Multinomické rozdělení. Testy dobré shody při známych a neznámych parametrech. Kontingenční tabulky. Test nezávislosti v kontingenčních tabulkách. Fischerův faktoriálový test. Lineární model s plnou a neúplnou hodností. Testy hypotéz v modelu s neúplnou hodností. Testování submodelů. Analýza rozptylu. Jednoduché třídění. Dvojné třídění.

Literatura

• ANDĚL, Jiří. Matematická statistika. Vyd. 2. Praha: SNTL - nakladatelství technické literatury, Alfa, vydavatelstvo technickej a ekonomickej literatury, 1985, 346 s. URL info

Další komentáře

Předmět je vyučován každoročně.
Výuka probíhá každý týden.

• Statistika zápisu (nejnovější)