Detail předmětu

Statistická analýza a experiment

FSI-9SAEAk. rok: 2020/2021

Předmět je určen pro studenty doktorského studia a je zaměřen na moderní metody statistické analýzy (náhodný výběr a jeho realizace, fitování rozdělení a odhady jejich parametrů, testování statistických hypotéz, regresní analýza) pro zpracování statistických souborů získaných při realizaci a vyhodnocování experimentů v rámci vědeckovýzkumné práce studentů.

Jazyk výuky

čeština

Počet kreditů

0

Zajišťuje ústav

Výsledky učení předmětu

Studenti získají hlubší znalosti z metod matematické statistiky, které jim umožní aplikovat stochastické modely technických jevů a procesů pomocí výpočtů na PC.

Prerekvizity

Základy teorie pravděpodobnosti a matematické statistiky.

Plánované vzdělávací činnosti a výukové metody

Předmět je vyučován formou přednášek, které mají charakter výkladu základních principů a teorie dané disciplíny.

Způsob a kritéria hodnocení

Zkouška je formou předneseného referátu z vybrané oblasti statistických metod anebo vypracováním písemné práce zaměřené na řešení konkrétních úloh.

Učební cíle

Cílem předmětu je formování stochastického způsobu myšlení studentů a jejich seznámení s moderními metodami matematické statistiky a možnostmi využití profesionálního statistického softwaru ve výzkumu.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Účast na přednášce není povinná, ale doporučuje se.

Základní literatura

Montgomery, D. C. - Renger, G.: Probability and Statistics. New York : John Wiley & Sons, Inc., 1996. (EN)
Hahn, G. J. - Shapiro, S. S.: Statistical Models in Engineering. New York : John Wiley & Sons, Inc., 1994. (EN)
Dowdy, S. - Wearden, S.: Statistics for Research. New York : John Wiley & Sons, Inc., 1993. (EN)

Doporučená literatura

Anděl, J.: Statistické metody. Praha : Matfyzpress, 1993. (CS)
Meloun, M. - Militký, J._: Statistické zpracování experimentálních dat. Praha : PLUS, 1994. (CS)
Lamoš, F. - Potocký, R.: Pravdepodobnosť a matematická štatistika. Bratislava : Alfa, 1989. (CS)

eLearning

Zařazení předmětu ve studijních plánech

  • Program D-MAT-P doktorský, 1. ročník, zimní semestr, doporučený

Typ (způsob) výuky

 

Přednáška

20 hod., nepovinná

Vyučující / Lektor

Osnova

1. Rozdělení pravděpodobnosti pro modelování technických jevů a procesů.
2. Průzkumová analýza pro zpracování statistických souborů.
3. Náhodný výběr - model a vlastnosti.
4. Metody fitování rozdělení pravděpodobnosti.
5. Odhady parametrů rozdělení pravděpodobnosti.
6. Testování statistických hypotéz o rozděleních a o parametrech.
7. Úvod do analýzy rozptylu, neparametrické testy.
8. Základy lineární regresní analýzy.
9. Statistický software - vlastnosti a možnosti použití.

eLearning